隨著人工智能和人工生命持續(xù)不斷地發(fā)展,許多新型的啟發(fā)式搜索算法應運而生。例如,煙花算法、雞群優(yōu)化算法和擴展人工雨滴算法等。目前,這些新型算法應用于圖像分割中相對較少。因此,本文重點研究2010年以來出現(xiàn)的3種新型啟發(fā)式搜索算法,分析和理解其思想和方法,并嘗試將它們應用到圖像的多閾值分割技術中。本文的主要創(chuàng)新性成果包括以下幾個方面:（1）我們針對基本煙花算法,深入分析煙花的爆炸過程,改進爆炸算子,加快算法的收斂速度,并將改進算法應用到圖像多閾值分割中,提出一種基于改進煙花算法的圖像多閾值分割方法。該方法把三級平穩(wěn)小波變換作為圖像降噪工具,對待分割圖像進行預處理,選取最大類間方差法作為評價煙花個體優(yōu)劣的目標函數(shù),利用改進煙花算法找出最優(yōu)解。實驗結果表明,與煙花算法相比,改進煙花算法明顯加快了收斂速度,并減少了圖像分割所需時間。（2）我們針對基本雞群優(yōu)化算法,深入分析雞群優(yōu)化算法中公雞、母雞和小雞3種不同角色的行為模式,提出基于雞群優(yōu)化算法的自適應圖像多閾值分割方法。該方法利用待分割圖像的直方圖自適應地確定閾值個數(shù),以最大類間方差法作為目標函數(shù),利用雞群個體分工中的3種角色的不斷更新和迭代,... 

【文章來源】：陜西師范大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

圖３－１不同質(zhì)量的煙花的爆炸及某個煙花的變異的過程??

?（Ｃ）?（ｄ）??圖３－１不同質(zhì)量的煙花的爆炸及某個煙花的變異的過程??Ｆｉｇ．３－１?Ｐｒｏｃｅｄｕｒｅ?ｏｆ?ｔｈｅ?ｅｘｐｌｏｓｉｏｎ?ｏｆ?ｆｉｒｅｗｏｒｋｓ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｑｕａｌｉｔｙ?ａｎｄ?ｔｈｅ?ｍｕｔａｔｉｏｎ?ｏｆ?ａ?ｆｉｒｅｗｏｒｋ??ＦＷＡ首先隨機初始化包含ＴＶ個煙花的種群，然后讓群體中的父代煙花經(jīng)歷爆??炸操作，并且以一定的比率進行變異操作，并應用映射規(guī)則，保證變異后的個體??仍處于解空間內(nèi)；最后在候選者集合（包括父代煙花、爆炸火花和變異火花）中保留??最優(yōu)個體的前提下，應用選擇策略從余下的候選者集合中選擇出余下的７Ｖ－１個煙??花共同組成下一代的群體，逐一迭代下去，不斷地尋找并更新最優(yōu)解，直到滿足??終止條件才結束。這種（直接或間接地）交互傳遞信息的方式使群體對環(huán)境的適應性??逐代地變得越來越好，從而求得問題的全局最優(yōu)解的足夠好的近似解。ＦＷＡ的流??程圖如圖３－２所示。??ＣｎＷ）??ｉ??初始化Ｖ個位置??ｔ???＾在＃個位置釋放煙花??ｉ??獲得爆炸火花和高斯火花??？??評估煙花￥置的質(zhì)量ｉ??ｃｍＤ??圖３－２?ＦＷＡ的流程圖??Ｆｉｇ

３．５．１仿真圖像實驗結果及性能分析??為驗證１ＦＷＡＭＴ的正確性，我們制作了滿足不同閾值個數(shù)分割要求的仿真圖??像，如圖３－５（ａ）和（ｃ），圖像大小為２５６ｘ２５６。仿真圖像及對應的直方圖如圖３－５（ａ）、??圖３－５（ｂ）、圖３－５（ｃ）和圖３－５（ｄ）所示。從仿真圖像的直方圖中，我們可以直觀地獲??得該圖像的理想分割閾值。仿真圖像的理想閾值和ＩＦＷＡＭＴ獲得的閾值對比結果??如表３－１所示。??—誦?ｉ?Ｉ?｜?１?ｎ?！：?１?Ｉ??丨；ｉｌｌ?Ｈｉｉｉ??廣?Ｈ＊?＇??（ａ）?（ｂ）?（ｃ）?（ｄ）??圖３－５仿真圖像．（ａ）仿真圖像（ａ）；（ｂ）（ａ）的直方圖；（ｃ）仿真圖像（ｃ）；（ｄ）（ｃ）的直方圖??Ｆｉｇ．３－５?Ｓｉｍｕｌａｔｅｄ?ｉｍａｇｅｓ，?（ａ）?ａ?ｓｉｍｕｌａｔｅｄ?ｉｍａｇｅ?（ａ）；?（ｂ）?ｈｉｓｔｏｇｒａｍ?ｏｆ?（ａ）；?（ｃ）?ａ?ｓｉｍｕｌａｔｅｄ?ｉｍａｇｅ??（ｃ）；?（ｄ）?ｈｉｓｔｏｇｒａｍ?ｏｆ?（ｃ）??表３－１對比結果???Ｔａｂ．?３－１?Ｃｏｎｔｒａｓｔｉｎｇ?ｒｅｓｕｌｔｓ???仿真圖像?閾值個數(shù)?理想閾值?ＩＦＷＡＭＴ獲得的閾值??圖?３－５（ａ）?２?５９，１１４?５９，１１４??圖?３－５（ｃ）?３?５９，１１５，１８２?５９，１１５，１８２??由表３－１結果可知，ＩＦＷＡＭＴ可以準確得到理想閾值，這說明本方法是有效??的

【參考文獻】：
期刊論文
[1]圖像閾值分割算法及對比研究[J]. 詹志宇,安友軍,崔文超.  信息通信. 2017(04)
[2]耗散雞群算法在水庫優(yōu)化調(diào)度中的應用[J]. 魏月梅,池麗敏.  水力發(fā)電. 2017(03)
[3]基于稀疏主成分分析和自適應閾值選擇的圖像分割算法[J]. 盧濤,萬永靜,楊威.  計算機科學. 2016(07)
[4]基于對比度受限直方圖均衡化的水下海參圖像增強方法[J]. 楊衛(wèi)中,徐銀麗,喬曦,饒偉,李道亮,李振波.  農(nóng)業(yè)工程學報. 2016(06)
[5]基于雞群優(yōu)化算法的配電網(wǎng)絡重構[J]. 王興成,胡漢梅,劉林.  電工電氣. 2016(03)
[6]一種改進粒子群優(yōu)化算法的Otsu圖像閾值分割方法[J]. 劉桂紅,趙亮,孫勁光,王星.  計算機科學. 2016(03)
[7]雞群優(yōu)化算法-投影尋蹤洪旱災害評估模型[J]. 崔東文.  水利水電科技進展. 2016(02)
[8]混合智能優(yōu)化算法的SAR圖像特征選擇[J]. 張琴,谷雨,徐英,賴曉平.  遙感學報. 2016(01)
[9]基于多目標人工魚群算法的硅單晶直徑檢測圖像閾值分割方法[J]. 劉丁,張新雨,陳亞軍.  自動化學報. 2016(03)
[10]基于云模型魚群算法的多閾值圖像分割研究[J]. 崔麗群,黃殿平,宋曉.  計算機工程與應用. 2017(06)

碩士論文
[1]一種新型的智能優(yōu)化算法—人工根系算法[D]. 康瑞龍.長安大學 2013
[2]新型智能優(yōu)化算法及其在圖像分割中的應用研究[D]. 梁建慧.陜西師范大學 2011
[3]基于閾值算法圖像分割的研究[D]. 呂燕.重慶大學 2011
[4]一種新型的智能優(yōu)化方法—標竿學習算法[D]. 謝安世.安徽工業(yè)大學 2010



本文編號：3462988