比较分析不同模糊聚合方法的隶属度

为了比较不同数量的阈值和不同聚合方法对图像分割效果的影响，本书进行了大量的实验测试，并分别验证了MQABC和MDGWO方法在不同聚合方法条件下的分割效果。

1）基于改进快速人工蜂群算法的聚合方法比较

图6.6显示了Baboon图像在不同阈值数量条件下，基于FMQABC方法的中值、均值和迭代均值聚合结果。从图中可以看出，随着阈值个数增长，图像分割精度会相应提高。基于本书所采用的数据集，本书分别测试了阈值个数在2～5之间的分割效果。如果在相同阈值数量条件下，三种聚合方法的视觉差别不是特别明显。为了更为准确地比较，表6.1中给出了对应于图6.6的相关分割结果的PSNR值。从表中可以看出，在相同阈值条件下，中值聚合获得了最好的分割效果，均值和迭代均值相比，迭代均值效果更佳。

图6.6　不同阈值和不同聚合方法条件下图像分割效果

表6.1　不同阈值和不同聚合方法条件下图像分割质量评价

2）基于改进离散灰狼算法的聚合方法比较(www.xing528.com)

图6.7显示了Aeroplane图像在不同阈值数量条件下，基于FMDGWO方法的中值、均值和迭代均值聚合结果。本节同样测试了阈值个数在2～5之间的分割效果。

图6.7　不同阈值和不同聚合方法条件下图像分割效果

如果在相同阈值数量条件下，三种聚合方法的视觉差别也相对较小。为了更为准确地比较图像分割质量，表6.2中给出了对应于图6.7的相关分割结果的PSNR值。从表中可以看出，在相同阈值条件下，中值聚合也获得了最好的分割效果，均值和迭代均值相比，迭代均值效果更佳。

表6.2　不同阈值和不同聚合方法条件下图像分割质量评价

通过以上分析，在使用MQABC和MDGWO方法的前提下，中值聚合方法均获得了较好的PSNR值，即中值聚合能够更好地实现模糊多阈值图像分割。因此，在后续章节中，将通过中值聚合实现多阈值模糊图像分割，并详细比较相关参数。