MATLAB环境下基于洗牌复杂演化的图像分割算法

智能优化算法因其较强的搜索解能力而得到了大量的应用，在这些计算智能算法中，群体智能优化算法因其高效性、有效性以及健壮性等优点而得到了科研人员的青睐。这类算法借鉴生物群体的合作特性，主要解决大规模复杂的分布式问题，研究者发现，群智能算法本质上是一种概率搜索算法，这类算法容易实现且具有较强的鲁棒性。但同时他们也存在着一些不足，例如在求解高维复杂问题时算法易陷入局部最优值，导致无法获取理想的结果。针对此，许多的研究者将精力投入到改进已有算法的缺点和寻找性能更优的智能算法中。

洗牌复杂演化算法（SCE）引入了种群的概念，综合了单纯形法、随即搜索和生物进化等方法的优点。其主要特征是引入遗传算法中生物个体之间竞争进化的思想，通过对各个复合体的定期洗牌和重组来确保每个复合体获得的信息能够在整个问题空间中得到共享，从而使算法快速收敛于全局最优解，避免陷入局部最优和防止早熟现象的发生。相对于其他智能算法，算法在求解非线性、不可导、非凸等高维复杂问题时更有优势。大量实验结果表明，算法在求解问题时优化效果好，收敛速度快，能一致、稳定、高效地收敛到全局最优解，尤其针对大规模复杂问题对更能体现算法的稳健性。

基于洗牌复杂演化算法的优势，提出一种MATLAB环境下基于洗牌复杂演化的图像分割算法，部分代码如下：

clear;
img=imread('ts.jpg');
img_gray=rgb2gray(img);

% Median Filter
img_gray = medfilt2(img_gray,[3 3]);
NS= 3;  % Number of segments
itr=10; % Number of iterations
popl=2; % Number of population
%% Statistics and Plot
% Otsu
Otsuthresh = multithresh(img_gray,NS);
Otsuseg_I = imquantize(img_gray,Otsuthresh);
OtsuRGB = label2rgb(Otsuseg_I); 

% SCE Inspired
sortT=sort(thresh);
seg_I = imquantize(img_gray,sortT); 
RGB = label2rgb(seg_I); 

subplot(1,4,1);imshow(img); title('Original');
subplot(1,4,2);imshow(img_gray);title('Gray');
subplot(1,4,3);imshow(RGB);title('Shuffled Complex Evolution Segmented');
subplot(1,4,4);imshow(OtsuRGB);title('Otsu Segmented');

出图如下：