表5.1显示了EMO、MDGWO和MQABC非模糊目标函数的最优阈值和最优目标函数。从表中可以看出,所有测试图像在使用不同方法的情况下均获得了较高的目标函数值。尤其值得关注的是,随着阈值数量逐渐增加,三种方法都能够得到较高的目标函数值。总体来讲,MQABC和MDGWO两种方法获得近似且更高的目标函数值,只有极个别情况下MQABC和MDGWO两种方法的目标函数值较低,但差别都小于0.1。
图5.6 图像e-h的MDGWO模糊分割结果
表5.1 非模糊方法的最优阈值与最优目标函数
续表
(www.xing528.com)
表5.2中给出了FDE和FMQABC两种方法的阈值及目标函数值比较。在现有模糊方法中,DE是较为经典的一种,在很多文献中都验证了该算法的效率[107,111,112,117,141]。因此,本章将该方法作为比较对象,分析模糊FMDGWO和FMQABC方法在MT分割中的效果。从表5.2中可以看出,FMQABC获得了相近或更高的目标函数值,同样的,在与FDE比较中即使获得了较小的目标函数值,差别同样小于0.1。
表5.2 模糊方法的最优阈值与最优目标函数
通过表5.1和表5.2比较可知,FMDGWO和FMQABC的阈值分布较为合理,且能够获得较好目标函数值。尽管在有些情况下,其目标函数值相较于EMO和FDE较小,但是差别极小。关于图像分割质量的其他评价对比,将在第6章进行详细讨论(第6章在本章基础上,会增加模糊初始化和模糊聚合。为避免重复,第6章将会详细比较分析FMDGWO和FMQABC的效果)。
表5.3 模糊方法的最优阈值与最优目标函数
表5.2中已经给出了FDE与FMQABC方法的比较和分析,为了验证FMDGWO方法的最优阈值和最优目标函数,表5.3同样给出了FDE与FMDGWO方法的数据比较。从表5.3中可以看出,FMDGWO方法在绝大多数情况下,都获得了更高的最优目标函数值。结合表5.2,从FMQABC和FMDGWO两种方法的比较来看,同样FMDGWO方法的最优目标函数值更高。其他比较参数的分析将在第6章给出。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。