發(fā)布時(shí)間：2022-04-18 20:48

　　圖像分割是圖像處理研究的重點(diǎn)和難點(diǎn)之一,也一直是研究的熱點(diǎn)。圖像分割是圖像分析、圖像識(shí)別等更高層圖像處理的基礎(chǔ),分割結(jié)果直接影響著更高層分析和理解的正確性�；趫D像處理的技術(shù)應(yīng)用范圍廣泛。無論從圖像場(chǎng)景還是成像原理上,都存在圖像來源多樣復(fù)雜,圖像屬性千差萬別等問題;圖像分割的目的各不相同;在成像、存儲(chǔ)及傳輸過程中引入的各種干擾會(huì)使圖像質(zhì)量下降;這些問題給圖像分割帶來巨大挑戰(zhàn)。閾值分割是圖像分割的主要方法之一,在面向工業(yè)領(lǐng)域、醫(yī)學(xué)影像處理領(lǐng)域的圖像處理問題中,閾值分割是最重要的分割方法。本文結(jié)合啟發(fā)式算法開展面向醫(yī)學(xué)圖像的閾值分割方法研究。本文簡(jiǎn)述了閾值分割的基本方法及啟發(fā)式算法特點(diǎn),從優(yōu)化角度分析了基于啟發(fā)式算法的閾值分割方法基本過程。通過改進(jìn)閾值分割目標(biāo)函數(shù)計(jì)算方法以及優(yōu)化目標(biāo)函數(shù)兩個(gè)角度,面向醫(yī)學(xué)圖像分割,研究了幾種結(jié)合改進(jìn)的啟發(fā)式算法的閾值分割方法。主要工作如下:（1）對(duì)基于啟發(fā)式算法的閾值分割方法進(jìn)行了分析。通過把閾值分割歸納為一個(gè)優(yōu)化問題來求解,總結(jié)了基于啟發(fā)式算法的閾值分割方法的基本步驟。針對(duì)傳統(tǒng)啟發(fā)式算法在解決閾值分割問題時(shí),算法及參數(shù)的確定對(duì)具體分割的圖像和應(yīng)用目標(biāo)先驗(yàn)... 

【文章頁(yè)數(shù)】：124 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

全文結(jié)構(gòu)

第 2 章 醫(yī)學(xué)圖像分割以及啟發(fā)式算法相關(guān)技術(shù)選擇式超啟發(fā)式結(jié)構(gòu)簡(jiǎn)潔，易于綜合當(dāng)前已有算法各自優(yōu)點(diǎn)。但在現(xiàn)有的超啟發(fā)結(jié)構(gòu)中，高層設(shè)計(jì)還沒有清晰的架構(gòu)，但超啟發(fā)式思想是在啟發(fā)式算法之上，通過高層對(duì)算法進(jìn)行選擇和管理。這種選擇和管理基于對(duì)求解問題以及算法的先驗(yàn)知識(shí)和對(duì)具體問題求解過程中底層算法以及當(dāng)前解的動(dòng)態(tài)表現(xiàn)。產(chǎn)生式推理方法可以適用于這樣的問題，因此，基于產(chǎn)生式方法作為構(gòu)建高層的一個(gè)一般化架構(gòu)。基于這樣的思想，我們構(gòu)建了一個(gè)面向圖像分割的，包括任務(wù)理解層、超啟發(fā)層（工具算法選擇與管理層）和問題求解啟發(fā)式算法層（工具算法）的三層超啟發(fā)式架構(gòu)，如圖 2.3。

圖 5.3. 初始化示例群算法的 Otus 算法對(duì)于基于 Otsu 準(zhǔn)則的 q-1 個(gè)閾值的多閾值分割，假設(shè)1，其目標(biāo)函數(shù)為類間方差： = ∑ ( ) 的計(jì)算見第 3 章。 ) = ( ( ( 是 Otsu 分割算法計(jì)算得出的最佳閾值。算法的不足，這里給出了一個(gè)改進(jìn)了蟻群算法并將其

【參考文獻(xiàn)】：
期刊論文
[1]狼群優(yōu)化的二維Otsu快速圖像分割算法[J]. 曹爽,安建成.  計(jì)算機(jī)工程與科學(xué). 2018(07)
[2]新型群智能優(yōu)化算法綜述[J]. 林詩(shī)潔,董晨,陳明志,張凡,陳景輝.  計(jì)算機(jī)工程與應(yīng)用. 2018(12)
[3]多種群隨機(jī)差分粒子群優(yōu)化算法及其應(yīng)用[J]. 王皓,高立群,歐陽(yáng)海濱.  哈爾濱工程大學(xué)學(xué)報(bào). 2017(04)
[4]新的基于分解直方圖的三維Otsu分割算法[J]. 徐青,范九倫.  傳感器與微系統(tǒng). 2017(01)
[5]基于模擬退火的果蠅優(yōu)化算法[J]. 張斌,張達(dá)敏,阿明翰.  計(jì)算機(jī)應(yīng)用. 2016(11)
[6]基于多閾值Otsu準(zhǔn)則的閾值分割快速計(jì)算[J]. 申鉉京,劉翔,陳海鵬.  電子與信息學(xué)報(bào). 2017(01)
[7]多種群子空間學(xué)習(xí)粒子群優(yōu)化算法[J]. 孫輝,朱德剛,王暉,趙嘉.  小型微型計(jì)算機(jī)系統(tǒng). 2016(09)
[8]二維直方圖重建和降維的Otsu閾值分割算法[J]. 陳金位,吳冰.  圖學(xué)學(xué)報(bào). 2015(04)
[9]二維Otsu自適應(yīng)閾值快速算法的改進(jìn)[J]. 錢衛(wèi)星,黃麗亞.  華僑大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(04)
[10]醫(yī)學(xué)圖像分割及其發(fā)展現(xiàn)狀[J]. 江貴平,秦文健,周壽軍,王昌淼.  計(jì)算機(jī)學(xué)報(bào). 2015(06)

博士論文
[1]螢火蟲群智能優(yōu)化算法及其應(yīng)用研究[D]. 李敬明.合肥工業(yè)大學(xué) 2017

碩士論文
[1]醫(yī)學(xué)圖像多閾值分割群智能優(yōu)化算法的研究[D]. 方政.吉林大學(xué) 2017
[2]螢火蟲算法的理論分析及應(yīng)用研究[D]. 胡婷婷.西安工程大學(xué) 2015
[3]螢火蟲算法的研究與應(yīng)用[D]. 高偉明.蘭州大學(xué) 2013



本文編號(hào)：3646341