针对耦合神经P系统利用脉冲机制实现区域生长依赖于初始种子点选择的问题,提出一种自适应区域生长耦合神经P系统(adaptive region growing coupled neural P systems,ARGCNP)的图像分割方法。该方法利用金豺优化算法(golden jackal opti...针对耦合神经P系统利用脉冲机制实现区域生长依赖于初始种子点选择的问题,提出一种自适应区域生长耦合神经P系统(adaptive region growing coupled neural P systems,ARGCNP)的图像分割方法。该方法利用金豺优化算法(golden jackal optimization,GJO)的全局搜索能力,通过引入四种策略提升GJO的全局寻优性能,从而在图像中寻找最佳阈值点,以优化区域生长中的种子点选择。在实验中,首先通过CEC2017测试函数对改进后的GJO进行性能测试,结果表明改进后的GJO在测试函数上整体性能第一;随后将ARGCNP应用于分割彩色图像和医学图像,以峰值信噪比等三个指标对分割效果进行量化评价,分割结果显示该方法能够提升分割精度及分割结果的稳定性,证明ARGCNP在应用场景下具有的优势,能够满足图像分割需求。展开更多
文摘针对耦合神经P系统利用脉冲机制实现区域生长依赖于初始种子点选择的问题,提出一种自适应区域生长耦合神经P系统(adaptive region growing coupled neural P systems,ARGCNP)的图像分割方法。该方法利用金豺优化算法(golden jackal optimization,GJO)的全局搜索能力,通过引入四种策略提升GJO的全局寻优性能,从而在图像中寻找最佳阈值点,以优化区域生长中的种子点选择。在实验中,首先通过CEC2017测试函数对改进后的GJO进行性能测试,结果表明改进后的GJO在测试函数上整体性能第一;随后将ARGCNP应用于分割彩色图像和医学图像,以峰值信噪比等三个指标对分割效果进行量化评价,分割结果显示该方法能够提升分割精度及分割结果的稳定性,证明ARGCNP在应用场景下具有的优势,能够满足图像分割需求。
