一种基于改进猫群算法的目标提取与分类的方法

本发明提供了一种基于改进猫群算法的目标提取与分类的方法。

传统的群体智能算法在图像目标提取和分类中复杂度过高，又容易陷入局部最优，产生“早熟”现象。例如，猫群算法是一种典型的群体智能算法，但是在大数据的图像处理中，出现运行时间过长，精确性不高的缺点。

为此，本发明针对猫群算法的不足，提出了一种改进的猫群算法。我们在算法的跟踪模式中增加了惯性权重系数和加速系数，提高了算法的运行速度，缩短了运行时间。

并且，将改进的猫群算法应用到目标对象的提取与分类中。具体步骤如下：

1. 首先输入图像；
2. 对图像进行预处理；
3. 将图像阈值化为二值图像；
4. 提取感兴趣的目标图像；
5. 计算目标对象的四个特征；
6. 形成新的特征向量；
7. 最后运用改进猫群算法进行分类。

该方法不仅可以提升运算速度，而且提高目标对象提取与分类的准确性。

本发明提供了一种基于改进猫群算法的目标提取与分类的方法。传统的群体智能算法在图像目标提取和分类中复杂度过高,又容易陷入局部最优,产生“早熟”。例如,猫群算法是一种典型的群体智能算法,但是它在大数据的图像处理中,出现运行时间过长,精确性不高的缺点。为此,本发明针对猫群算法的不足,提出了一种改进的猫群算法,我们在算法的跟踪模式中增加了惯性权重系数和加速系数,提高了算法的运行速度,缩短了运行时间。并且将改进的猫群算法应用到目标对象的提取与分类,即：首先输入图像,对图像进行预处理,并将其阈值化为二值图像,提取感兴趣的目标图像,计算目标对象的四个特征,形成新的特征向量,最后运用改进猫群算法进行分类,该方法不仅可以提升运算速度,而且提高目标对象提取与分类的准确性。