改进的细菌觅食优化算法结合Snake模型的舌体自动分割方法

"该文提出了一种结合细菌觅食优化算法(BFOA)和Snake活动轮廓模型的舌体分割新方法，旨在解决医学舌体数字图像的精确分割问题。通过改进BFOA算法，利用信息熵与Kapur算法确定最佳二值化阈值，实现舌体图像的二值化。接着，借助舌体图像的对称性提取关键边缘点，通过B-样条插值构造Snake模型的初始轮廓。最后，运用Snake模型计算出舌体的精确轮廓。实验结果显示，这种方法能高精度分割舌体图像，并解决了基本Snake模型依赖于人工选择初始轮廓的问题，实现了舌体图像的自动化分割。该研究受国家自然科学基金和辽宁省自然科学基金支持。" 这篇研究论文详细介绍了一种用于医学舌体数字图像分割的新技术，该技术结合了两种不同的算法：细菌觅食优化算法(BFOA)和Snake活动轮廓模型。BFOA是一种受到自然界中细菌觅食行为启发的优化算法，它在解决复杂优化问题时表现出良好的搜索能力和全局优化性能。在本文中，研究人员通过将信息熵与Kapur算法相结合，创建了一个自适应函数，以此改进了BFOA，用于寻找舌体图像的最佳二值化阈值。二值化是图像处理中的关键步骤，它将图像转换为黑白两色，使得后续的边缘检测和轮廓识别更加简单。 接下来，利用舌体图像的对称性，研究者提取了舌体的关键边缘点。这一过程对于准确识别舌体轮廓至关重要，因为舌体通常具有一定的对称性。然后，他们采用B-样条插值算法，这是一种灵活的数学方法，可以由有限的关键点生成平滑连续的曲线。这个闭合的B-样条曲线被用作Snake模型的初始轮廓。 Snake模型，又称为活动轮廓模型，是一种能量最小化的方法，用于寻找图像中的边界。它通过迭代调整轮廓线以最小化内部和外部能量函数，从而找到最可能的边界。在本文中，Snake模型被用来精确计算舌体的轮廓曲线，避免了传统Snake模型需要人工设定初始轮廓的缺点，实现了分割过程的自动化。 实验结果证实了这种方法的有效性，它能够准确地分割舌体图像，提高了分割精度，并且消除了用户交互的需求。这项工作不仅在舌体图像分析中具有应用价值，也为其他医学图像分割问题提供了一种可能的解决方案。同时，它也展示了如何将生物启发的算法与传统的图像处理技术相结合，以解决实际问题，为未来的研究提供了新的思路。