張雪峰，商麗麗
東北大學系統科學研究所，遼寧沈陽

摘　　　要：針對其他算法分割圖像耗時較多的問題，結合粒子群優化算法和變精度粗糙集理論提出了一種新的分割算法。利用粗糙集理論將圖像按照一定的規則進行劃分，找出圖像的邊界。利用變精度粗糙集理論對圖像子塊的邊界進行計算，利用粒子群優化算法尋找較佳的β及其對應的灰度值，并對圖像進行分割。通過對測試圖像進行Ｍａｔｌａｂ仿真，驗證了算法的效果，并與其他相關文獻的仿真結果做了類比，試驗表明該算法相對于其他算法可以有效地減少消耗時間，并且分割效果也令人滿意。

關　鍵　詞：變精度粗糙集；粒子群算法；邊界；圖像分割；閾值

１　引　言
粒子群優化算法［１］（ＰＳＯ）是美國社會心理學家Ｋｅｎｎｅｄｙ博士和電氣工程師Ｅｂｅｒｈａｒｔ博士在１９９５年提出來的。由于簡單，易于實現，參數少，粒子群優化算法已成為越來越多研究者的關注焦點，并被廣泛應用于函數優化、神經網絡訓練、數據分類、數據聚類、模式分類以及仿真和系統辯識等方面［２］。針對經典粗糙集理論存在一些局限，Ｚｉａｒｋｏ教授［３］于１９９３年提出了變精度粗糙集模型。盡管粗糙集理論在圖像分割方面已經取得了一定的成果，但變精度粗糙集模型在圖像分割方面的應用還很少。本文結合粒子群優化算法提出了變精度粗糙集在圖像分割方面的應用。用這種方法尋找較佳分割閾值，可以使邊界較大限度的被分類。

登錄網站后可下載文件