网站入口类型,网站建设必备,展厅设计的技术支持,做网站哪个软件好用文章目录 【可更换其他算法#xff0c;获取资源请见文章第5节#xff1a;资源获取】1. 原始蜣螂优化算法1.1 滚球行为1.2 跳舞行为1.3 繁殖行为1.4 偷窃行为 2. 多阈值Otsu原理3. 部分代码展示4. 仿真结果展示5. 资源获取说明 【可更换其他算法#xff0c;获取资源请见文章第… 文章目录 【可更换其他算法获取资源请见文章第5节资源获取】1. 原始蜣螂优化算法1.1 滚球行为1.2 跳舞行为1.3 繁殖行为1.4 偷窃行为 2. 多阈值Otsu原理3. 部分代码展示4. 仿真结果展示5. 资源获取说明 【可更换其他算法获取资源请见文章第5节资源获取】 1. 原始蜣螂优化算法
1.1 滚球行为
蜣螂在整个搜索空间沿着光源的方向移动在滚动过程中按照如下的对滚球屎壳郎的位置进行更新
其中t代表当前迭代数xi表示第i个蜣螂的位置信息k代表一个常数表示为偏转系数α∈(0,1是一个随机数a 是一个自然系数为-1或1Xw是全局最差位置。
1.2 跳舞行为
当蜣螂遇到障碍物时它会通过跳舞来重新定向主要思想是通过正切函数来进行 tan(θ) 为偏转系角。
1.3 繁殖行为
作者采用一种边界选择策略模型雌性蜣螂产卵的地方定义如下 X*为当前最佳位置Lb表示下界Ub表示上界。
在迭代过程中卵球的位置是动态变化的定义如下 Bi表示为卵球的位置b1和b2为1×D 的随机向量。
此外一些成年蜣螂会从地下钻出来寻找食物下面公式模拟了蜣螂的觅食过程 Xb为全局最佳位置Lbb和Ubb分别表示最佳觅食区域的上下界。 故成年蜣螂的位置更新公式为 C1是服从正态分布的随机数C2∈(0,1是一个随机向量。
1.4 偷窃行为
部分蜣螂会从其他蜣螂那里偷粪球假定Xb是争夺食物的最佳地点因此具有偷盗行为的蜣螂位置更新描述如下 g是服从均值为0方差为1的正态分布的随机向量S为一个常数。
2. 多阈值Otsu原理
ostu方法使用最大化类间方差intra-class variance, ICV作为评价准则利用对图像直方图的计算可以得到最优的一组阈值组合。 ostu方法不仅适用于单阈值的情况它可以扩展到多阈值。假设有k个分类c1,c2,…,ck时他们之间的类间方差定义为 比如k3时将原图像的灰度区间分为3个类此时需要两个阈值定义类间方差如下 上面式子中k1和k2为待确定的两个阈值使得类间方差最大化的k1和k2就是最优的一组阈值。
对于多阈值的情况可以采用群智能优化算法来寻找最优的阈值本篇博客利用蜣螂优化算法来寻找最优的阈值。
3. 部分代码展示
%% 清空环境
clc
clear
close all%%
img imread(1.JPG);
%绘制原图
figure
imshow(img);
title(原图)img_orirgb2gray(img);
imgrgb2gray(img);
figure
%灰度直方图
imhist(img)
title(灰度直方图)
%目标函数
fitness(X)OTSU(img,X);%阈值个数优化下边界上边界最大迭代次数种群数量。
num_Threshold3;
lb0;
ub255;
max_iter100;
sizepop20;
%调用优化算法
%调用DBO对阈值寻优4. 仿真结果展示 最大类间方差为1592.59
DBO优化算法优化得到的阈值分别为:165 86 455. 资源获取说明
可以获取完整代码资源。
