学位论文 > 优秀研究生学位论文题录展示

基于群智能算法的图像分割方法研究

作 者: 杨振宇
导 师: 吕明;司马虹
学 校: 电子科技大学
专 业: 软件工程
关键词: 蚁群算法 粒子群优化 图像分割 阈值 聚类
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 114次
引 用: 0次
阅 读: 论文下载
 

内容摘要


在智能自动化研究领域,基于群体智能特征的仿生类算法研究正受到越来越多的学者关注。作为群体智能的典型实现,蚁群算法粒子群优化算法正在受到学术界的广注关注。蚁群算法不仅能够智能搜索,全局优化,而且还具有稳健性(鲁棒性)、正反馈、分布式计算、易与其它算法结合等优点,在解决复杂优化问题上显示出了良好的适应性,是一种很有前景的方法。粒子群优化算法主要特点是原理简单、参数少、收敛速度较快、所需领域知识比较少,缺点在于易陷入局部最优,容易早熟收敛等。但是粒子群优化算法的理论研究和应用都不是很成熟,还存在很多问题。图像分割是将图像划分成多个具有相似特征的区域,并提出感兴趣目标的技术与过程,是图像分析和模式识别的前提,也是图像处理的经典难题。基于最大熵阈值分割法是目前应用比较广泛的图像阈值分割方法,按照传统的方法计算阈值,特别是计算多阈值速度比较慢,不适合用于一些对实时性要求较高的系统。图像分割的一种比较新颖的方法是活动轮廓模型,但传统的方法求解时,求解速度慢,而且不能收敛到图像边缘的凹区域。蚁群算法作为一种新型的模拟进化算法,其良好的离散性,并行性,正反馈性和鲁棒性,使其非常适合于图像分割。但基本蚁群算法蚂蚁的搜索是随机的,计算量大,不利于算法的收敛。粒子群优化算法作为一种新型的模拟进化算法,其良好的并行性、正反馈性和鲁棒性,使其非常适合于图像分割。本文主要研究了蚁群算法和粒子群优化算法的一些改进方法,并将其应用于图像分割。本文主要内容包括:1.首先对粒子群优化算法和蚁群算法近年来的研究进展进行了总结,归纳算法的成功应用领域和存在的不足。对图像分割的基本概念和基本方法进行了介绍。2.介绍了聚类的相关知识。包括聚类的概述,聚类的数学模型,基于蚂蚁觅食思想与基于蚂蚁堆形成原理的蚁群聚类方式。3.基于对蚁群算法中蚁群聚类的研究:蚁群觅食思想和蚂蚁堆形成原理。提出了一种新的蚁群聚类算法,并用标准测试图像验证了算法的有效性。4.详细介绍了粒子群优化算法的基本原理,同时提出了一种基于熵的粒子群算法。通过标准测试图像进行实验,验证了改进的粒子群优化算法的有效性。

全文目录


摘要  4-6
ABSTRACT  6-10
第一章 绪论  10-22
  1.1 研究背景  10-11
  1.2 研究的目的和意义  11-13
  1.3 蚁群算法  13-16
    1.3.1 蚁群算法的历史和科学意义  13-15
    1.3.2 蚁群算法的研究进展及其应用  15-16
  1.4 粒子群优化算法  16-20
    1.4.1 粒子群优化算法的历史和科学意义  16-17
    1.4.2 粒子群优化算法的研究进展及其应用  17-20
  1.5 论文结构安排  20-22
第二章 群智能优化算法  22-49
  2.1 蚁群算法  22-32
    2.1.1 基本原理  22-23
    2.1.2 蚁群系统模型  23-25
    2.1.3 蚁群算法的实现  25
    2.1.4 几种改进的蚁群算法  25-32
  2.2 粒子群优化算法  32-48
    2.2.1 基本原理  32-33
    2.2.2 参数的描述和分析  33-34
    2.2.3 粒子群优化算法的实现  34-35
    2.2.4 几种改进的粒子群优化算法  35-48
  2.3 小结  48-49
第三章 蚁群聚类算法在图像分割中的应用  49-58
  3.1 分类问题概述  49
  3.2 聚类问题的数学模型  49-50
  3.3 K-均值算法描述  50
  3.4 蚁群聚类在图像分割中的应用  50-57
    3.4.1 基于蚂蚁觅食的蚁群聚类算法  50-51
    3.4.2 基于蚂蚁堆形成原理的聚类算法  51-52
    3.4.3 图像分割中的蚁群聚类算法改进策略  52-57
  3.5 小结  57-58
第四章 基于阈值和粒子群聚类算法结合的图像分割方法  58-67
  4.1 熵和信息量  58-59
  4.2 基于信息熵的分割方法  59-62
  4.3 图像分割的最佳阈值选择策略  62-63
  4.4 图像分割的粒子群聚类算法步骤  63-64
  4.5 实验分析与结果  64-66
  4.6 小结  66-67
第五章 总结与展望  67-69
  5.1 工作总结  67-68
  5.2 研究展望  68-69
致谢  69-70
参考文献  70-76

相似论文

  1. 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
  2. 基于蚁群算法的电梯群优化控制研究,TU857
  3. 基于小波变换的语音信号去噪及其DSP算法实现,TN912.3
  4. 森林防火系统中图像识别算法的研究,TP391.41
  5. 隐式用户兴趣挖掘的研究与实现,TP311.13
  6. 图像分割中阴影去除算法的研究,TP391.41
  7. 基于图分割的文本提取方法研究,TP391.41
  8. 动态环境下移动对象导航系统相关技术的研究,TP301.6
  9. 数字图像处理在集装箱检测中的应用研究,TP274.4
  10. 基于改进蚁群算法的机器人路径规划研究,TP242
  11. 牡丹EST-SSR引物开发及其亲缘关系分析,S685.11
  12. 基于粒子群算法求曲线/曲面间最小距离方法,O182
  13. 个性化人工膝关节设计及其生物力学特性研究,R318.1
  14. 高血压前期证候特征研究,R259
  15. 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
  16. K-均值聚类算法的研究与改进,TP311.13
  17. 大学生综合素质测评研究,G645.5
  18. 大豆品种对腐竹品质的影响及其品质评价体系的初步构建,TS214.2
  19. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  20. 21个荷花品种遗传多样性的ISSR分析,S682.32
  21. 改进的蚁群算法及其在TSP上的应用研究,TP301.6

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com