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。
中圖分類號(hào)： TN92；TP391
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.191116
中文引用格式： 徐浩，王霜. 云螢火蟲算法改進(jìn)二維Tsallis熵的醫(yī)學(xué)圖像分割[J].電子技術(shù)應(yīng)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.
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.191116
中文引用格式： 徐浩，王霜. 云螢火蟲算法改進(jìn)二維Tsallis熵的醫(yī)學(xué)圖像分割[J].電子技術(shù)應(yīng)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
圖像分割是指從圖像中提取感興趣的區(qū)域，由于人體組織的特性，醫(yī)學(xué)圖像邊界模糊以及對(duì)比度低，使得醫(yī)學(xué)圖像分割成為一個(gè)難點(diǎn)[1]。文獻(xiàn)[2]提出一種基于二進(jìn)制交叉的實(shí)數(shù)編碼遺傳算法的腦部圖像多級(jí)閾值分割方法。文獻(xiàn)[3]提出一種基于螢火蟲算法的二維熵多閾值圖像分割算法，該方法可以有效提高圖像的分割速度，但由于搜索空間的局限性，圖像分割精度較低。文獻(xiàn)[4]運(yùn)用粒子群算法對(duì)二維Tsallis熵的參數(shù)q進(jìn)行優(yōu)化選擇，該方法可以較好地分割圖像。文獻(xiàn)[5]針對(duì)二維最大熵分割圖像存在計(jì)算量大的問題，將人工蜂群算法應(yīng)用于二維最大熵優(yōu)化，結(jié)果表明，該方法抗噪性強(qiáng)且收斂速度快。
本文為提高醫(yī)學(xué)圖像分割的效果，針對(duì)二維Tsallis熵閾值法圖像分割效果受參數(shù)q選擇的影響，提出一種基于云模型螢火蟲算法優(yōu)化二維Tsallis熵的醫(yī)學(xué)圖像分割算法。最后通過仿真研究，證明了本文算法的有效性。
論文詳細(xì)內(nèi)容請(qǐng)下載http://m.ihrv.cn/resource/share/2000002849
作者信息:
徐 浩1，王 霜2
(1.溫州醫(yī)科大學(xué)附屬眼視光醫(yī)院，浙江 溫州325000；2.西安科技大學(xué)，陜西 西安710054)
此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。