论文部分内容阅读
为解决森林冠层图像因结构复杂，提取时受光照不均的影响而导致分割精度低的问题，采用一种基于自适应调整策略的混沌藤壶交配优化算法（Chaotic Adaptive Barnacle Mating Optimization, CABMO）的森林冠层图像分割方法。首先采用Logistic混沌映射初始化藤壶种群以提高算法的探索能力；然后设计非线性递增阴茎系数使探索和开发之间更平衡；最后将Kapur熵作为适应度函数，利用CABMO算法选取适应度函数的最优值，降低复杂度的同时，加强阈值的搜索效率。为验证CABMO算法在森林冠层图像分割上的有效性，以适应度值、峰值信噪比值（Peak Signal to Noise Ratio, PSNR）、特征相似性指数测试值（feature similarity index mersure, FSIM）和计算时间作为性能指标来评估分割效果。研究结果表明，在适应度值、PSNR值和FSIM值上CABMO算法分别以100%、99%、97.9%的占比优于对比算法，在计算时间上100%优于基本藤壶交配优化算法（Barnacle Mating Optimization, BMO）。结果表明，CABMO算法在提高森林冠层图像分割精度的同时也获得了更高质量的分割图像。