南京邮电大学学报(自然科学版)

作者：孙希霞,白晓东,许斌,潘甦

单位：南京邮电大学 物联网学院，江苏南京210003南京邮电大学 通信与信息工程学院，江苏南京210003南京邮电大学 物联网学院，江苏南京210003南京邮电大学 物联网学院，江苏南京210003

关键词：图像分割；二维最大熵；教与学优化算法；协同进化算法

基金：江苏省自然科学基金(BK20170914，BK20160910)、南京邮电大学校级科研基金(NY215047，NY217059，NY214114)和国家自然科学基金(61806100，61701260，61502250)资助项目

提出了一种基于协同进化教与学优化(Co-evolutionary Teaching-and-Learning based Optimization，CTLBO)算法的二维最大熵多阈值分割方法。首先，给出了二维熵多阈值分割的最优化模型。然后，针对教与学优化（Teaching-and-Learning based Optimization，TLBO）算法存在的早熟收敛和停滞问题，提出了一种CTLBO算法，并将该算法应用于二维熵多阈值分割最优化模型的求解。该算法将整个班级分为多个子班级，每个子班级的学员同时向所有子班级的老师学习，从而提高种群多样性。此外，每隔一定的代数，各子班级的老师组成新的班级进行信息交流，从而提高收敛速度。最后，应用仿真实验对所提方法的有效性和可行性进行了验证。实验结果表明：与基于传统TLBO算法及其相关改进算法、粒子群算法的图像分割方法相比，所提方法具有更好的优化能力和分割性能。

来源：2019年第2期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2019年第2期