《电子技术应用》
您所在的位置:北京幸运28 > 模拟设计 > 设计应用 > 云萤火虫算法改进二维Tsallis熵的医学图像分割
云萤火虫算法改进二维Tsallis熵的医学图像分割
2020年电子技术应用第6期
徐 浩1,王 霜2
1.温州医科大学附属眼视光医院,浙江 温州325000;2.西安科技大学,陕西 西安710054
摘要: 为提高医学图像分割的效果,针对二维Tsallis熵阈值法图像分割效果受参数q选择的影响,提出一种基于云模型萤火虫算法优化二维Tsallis熵的医学图像分割算法。首先,将云模型引入萤火虫算法,提高萤火虫算法的收敛速度和寻优能力;其次,选择均匀性测度作为医学图像分割的评价指标,运用CMFA算法对二维Tsallis熵阈值法参数q进行自适应寻优。研究结果表明,与FA-Tsallis和Tsallis相比较,CMFA-Tsallis的均匀性测度最高,分割出来的结果边界清晰,从而证明本算法的有效性。
中图分类号: TN92;TP391
文献标识码: A
DOI:10.16157/j.issn.0258-7998.191116
中文引用格式: 徐浩,王霜. 云萤火虫算法改进二维Tsallis熵的医学图像分割[J].电子技术应用,2020,46(6):73-76,81.
英文引用格式: Xu Hao,Wang Shuang. Medical image segmentation using two-dimensional Tsallis entropy improved by cloud model firefly algorithm[J]. Application of Electronic Technique,2020,46(6):73-76,81.
Medical image segmentation using two-dimensional Tsallis entropy improved by cloud model firefly algorithm
Xu Hao1,Wang Shuang2
1.Department of Optometry,Wenzhou Medical University,Wenzhou 325000,China; 2.Xi′an University of Science and Technology,Xi′an 710054,China
Abstract: In order to improve the effect of medical image segmentation, for the effect of two-dimensional Tsallis entropy threshold method,two-dimensional Tsallis Entropy improved by cloudmodel firefly algorithm is applied to medical image segmentation algorithm. Firstly, in order to improve the convergence speed and optimization ability,the cloud model is introduced into the Firefly algorithm. Secondly, the homogeneity measure was chosen as the evaluation index of medical image segmentation, and the parameter q of the two-dimensional Tsallis entropy threshold method was optimized by CMFA algorithm. The results show that CMFA-Tsallis has the highest homogeneity measure compared with FA-Tsallis and Tsallis, and the result boundary is clear, thus proving the effectiveness of this algorithm.
Key words : medical image;image segmentation;Tsallis entropy;firefly algorithm;cloud model

0 引言

    图像分割是指从图像中提取感兴趣的区域,由于人体组织的特性,医学图像边界模糊以及对比度低,使得医学图像分割成为一个难点[1]。文献[2]提出一种基于二进制交叉的实数编码遗传算法的脑部图像多级阈值分割方法。文献[3]提出一种基于萤火虫算法的二维熵多阈值图像分割算法,该方法可以有效提高图像的分割速度,但由于搜索空间的局限性,图像分割精度较低。文献[4]运用粒子群算法对二维Tsallis熵的参数q进行优化选择,该方法可以较好地分割图像。文献[5]针对二维最大熵分割图像存在计算量大的问题,将人工蜂群算法应用于二维最大熵优化,结果表明,该方法抗噪性强且收敛速度快。

    本文为提高医学图像分割的效果,针对二维Tsallis熵阈值法图像分割效果受参数q选择的影响,提出一种基于云模型萤火虫算法优化二维Tsallis熵的医学图像分割算法。最后通过仿真研究,证明了本文算法的有效性。




论文详细内容请下载http://www.youngstkd.com/resource/share/2000002849




作者信息:

徐  浩1,王  霜2

(1。温州医科大学附属眼视光医院,浙江 温州325000;2。西安科技大学,陕西 西安710054)

此内容为AET网站原创,未经授权禁止转载。
极速3D彩票 幸运赛车 秒速快3 欢乐生肖 澳彩网彩票注册 极速快乐十分 盛通彩票网 韩国1.5分彩 三分快3 澳洲幸运10开奖结果