摘要
图像分割是图像处理的第一步，它使我们能够理解和从数字图像中提取信息。多层阈值分割是一种最常用的图像分割技术，因为它简单且有效。然而，随着所需阈值水平的提高，寻找最佳阈值的过程也变得更加复杂。在这项研究中，提出了一种基于优化的图像分割技术，该技术使用大津的多层阈值分割技术作为目标函数，以克服寻找最佳阈值的困难。与耗时较多的穷举搜索方法不同，本文采用基于图像特性的不同优化技术来确定最佳阈值。在这种方法中，优化的阈值是根据大津算法和棕熊优化算法（BBOA）计算得出的，并将其与基于人工蜂群算法（ABC）、贾亚算法（JA）、飞蛾火焰优化算法（MFO）、鲸鱼优化算法（WOA）和粒子群优化算法（PSO）计算出的阈值进行了比较。目标函数包括四个通道（红色、绿色、蓝色和灰度，即Sobel通道）的方差之和。通过在十个自然色彩基准图像上测试所提出方法（BBOA_S）的性能来验证其优越性，并通过应用流行的图像质量评估参数（包括PSNR、SSIM和FSIM）来定量评估该方法的质量。实验结果清楚地显示了所提出分割方法的效率。实际上，与其他优化方法相比，所提出的方法具有更高的PSNR值，高达26.11；同时在结构相似性方面也有很高的值，达到0.988，表明其在结构相似性方面表现优异。此外，该方法还显著降低了重建误差，MSE的最小值接近194，这优于大多数其他方法在同一图像上获得的结果。尽管所提出方法的FSIM值与其他方法相当，但总体定量和视觉评估结果表明，该方法具有良好的可靠性和有效性。因此，显然，大津的多层阈值分割技术和Sobel滤波器与BBOA的结合使用是有效且高效的。
