《表2 对于图B采用4种算法随机运行10次的阈值对比》
为了验证本文算法在图像分割方面的优势,分别用传统遗传算法和双种群遗传算法、鸟群算法、本文改进的遗传变异鸟群算法进行对比,适合度函数均为otsu,实验结果见表1、表2。为了验证本文的方法对噪声有较强的鲁棒性则对图像加入高斯噪声、椒盐噪声,并使用本文改进的方法进行分割。实验在系统为Windows10,处理器为CoreI7,显卡为GTX960M,内存为8GB的笔记本电脑上进行。选取图A、图B两幅图像分别用上述的算法进行图像分割,验证本文算法的准确性、稳定性。再对图C、图D、图E这3幅图像加入噪声,验证本文算法对噪声的鲁棒性。
图表编号 | XD0040530300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.16 |
作者 | 吴军、王龙龙 |
绘制单位 | 江西理工大学信息工程学院、江西理工大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |