尹詩白　趙祥?！⊥跣l(wèi)星　工一斌

摘要：針對(duì)圖像分割中模糊劃分熵算法在多閾值選取時(shí)存在的效率低、計(jì)算重復(fù)的問題，提出了一種遞推人工蜂群的模糊劃分熵多閾值分割算法（RAFPEA），首先選擇附加邊界條件及灰度權(quán)重的隸屬函數(shù)來構(gòu)建圖像的模糊熵模型，并將該模型中不同變量的組合計(jì)算轉(zhuǎn)化為遞推過程，進(jìn)而保存此過程中不重復(fù)的瞬間遞推值，然后引入人工蜂群算法，利用預(yù)存的遞推結(jié)果來計(jì)算蜂群尋優(yōu)時(shí)的個(gè)體適應(yīng)度值，從而減少重復(fù)計(jì)算，達(dá)到快速尋優(yōu)的目的，實(shí)驗(yàn)結(jié)果表明：RAFPEA的均一度與精確的窮舉模糊劃分熵法相同，但運(yùn)行時(shí)間僅為窮舉、遺傳的模糊劃分熵算法的5%；隨著閾值數(shù)量的增加，運(yùn)行時(shí)間穩(wěn)定不變，在確保精度的前提下，可高效地對(duì)圖像進(jìn)行多閾值分割。