学位论文 > 优秀研究生学位论文题录展示

基于粒子群的图像分割算法及其应用

作　者: 武翠霞
导　师: 唐红梅
学　校: 河北工业大学
专　业: 通信与信息系统
关键词: 粒子群优化算法 图像分割 最大熵 模糊C-均值聚类算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 102次
引　用: 0次
阅　读: 论文下载
 

内容摘要


图像分割是成功进行图像分析、理解与描述的关键技术,其主要目的是从图像中提取出感兴趣的区域。目前,图像分割已在天文、农业、工业以及医学等领域得到了广泛的应用。但是,在一些复杂的问题中,传统方法的图像分割效果有时很难令人满意。作为群体智能优化算法的一个分支,粒子群优化算法(Particle Swarm Optimization, PSO)为图像分割的发展提供了新的动力和方向。然而,PSO算法搜索后期粒子多样性的丧失可能使算法早熟收敛,本文针对粒子群优化算法中的这一问题进行了改进,并将改进算法应用于图像分割中。为了进一步改进算法的性能,将基本PSO算法整个种群划分为多个子群体共同进化。同时引入遗传算法中的变异运算,对最差子群体按变异概率进行变异。用较大的惯性因子更新粒子的速度,然后对一些经典的测试函数做了仿真实验,最后,将改进算法应用到图像分割中。实验结果表明,改进算法具有更高的收敛精度。在进行图像分割时,怎样更好地确定图像分割的类别数一直是研究的热点和难点。为了自动确定图像分割的类别数,本文将改进PSO与模糊C-均值聚类算法(FCM)相结合,同时引入模糊聚类有效性指标,提出了基于改进PSO的FCM图像分割方法。本文设计了基于改进PSO的FCM(IPSO_FCM)算法的图像分割可视化用户界面系统,最后利用该分割系统实现了血液细胞图像的分割。实验结果表明,该算法能够搜索到较合理的分割类别数和聚类中心,从而快速准确地完成图像的自适应分割。

全文目录


摘要  4-5
ABSTRACT  5-9
第一章 绪论  9-15
  §1-1 研究背景及意义  9-10
  §1-2 粒子群优化算法的国内外研究现状  10
  §1-3 图像分割算法的国内外研究现状  10-13
    1-3-1 基于阈值的分割技术  11-12
    1-3-2 基于区域跟踪的分割技术  12
    1-3-3 基于边缘检测的分割技术  12-13
  §1-4 本文的主要研究内容  13
  §1-5 本文的结构安排  13-15
第二章 粒子群优化算法  15-21
  §2-1 群体智能  15
  §2-2 粒子群优化算法的原理  15-16
  §2-3 粒子群优化算法的数学模型  16-17
  §2-4 粒子群优化算法的基本步骤  17-18
  §2-5 粒子群优化算法的改进  18-20
    2-5-1 带惯性因子的PSO 算法  18-19
    2-5-2 带收敛因子的PSO 算法  19
    2-5-3 不同拓扑结构的PSO 算法  19-20
    2-5-4 基于遗传思想的PSO 算法  20
    2-5-5 离散PSO 算法  20
  §2-6 PSO 算法存在的问题  20-21
第三章 一种改进粒子群算法及其在图像分割中的应用  21-31
  §3-1 改进的粒子群优化算法  21-23
    3-1-1 改进粒子群优化算法的基本思想  21-22
    3-1-2 改进粒子群优化算法的步骤  22-23
  §3-2 改进粒子群算法的性能实验  23-26
    3-2-1 基准测试函数  23-24
    3-2-2 实验结果与分析  24-26
  §3-3 改进粒子群算法在图像分割中的应用  26-31
    3-3-1 最大熵阈值法  26-27
    3-3-2 改进粒子群的最大熵图像分割算法  27-28
    3-3-3 图像分割方法评价  28
    3-3-4 阈值分割图像质量评价  28
    3-3-5 实验结果与分析  28-31
第四章 基于改进 PSO 的 FCM 图像分割算法实现  31-42
  §4-1 模糊C-均值聚类算法分析  31-35
    4-1-1 模糊C-均值聚类算法  31-33
    4-1-2 模糊C-均值聚类图像分割算法  33-34
    4-1-3 基于灰度直方图的快速模糊分割算法  34
    4-1-4 实验结果与分析  34-35
  §4-2 模糊聚类有效性判别  35-37
  §4-3 改进PSO 的FCM 图像分割算法  37-38
  §4-4 实验结果与结论  38-42
第五章 基于改进 PSO 的 FCM 算法在血液细胞图像分割中的应用  42-46
  §5-1 基于改进PSO 的FCM 图像分割系统设计  42-43
  §5-2 血液细胞图像分割  43-44
  §5-3 实验结果与分析  44-46
第六章 总结与展望  46-48
  §6-1 本文总结  46
  §6-2 未来展望  46-48
参考文献  48-51
致谢  51-52
攻读学位期间所取得的相关科研成果  52

相似论文

  1. 森林防火系统中图像识别算法的研究,TP391.41
  2. 领域实体属性及事件抽取技术研究,TP391.1
  3. 人物言论抽取与跟踪技术研究,TP391.1
  4. 数字图像处理在集装箱检测中的应用研究,TP274.4
  5. 个性化人工膝关节设计及其生物力学特性研究,R318.1
  6. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  7. 红外图像目标识别及跟踪技术研究,TP391.41
  8. 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
  9. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
  10. 城市轨道交通运营管理系统测试与评价方法研究,TP311.52
  11. 汉语框架自动识别中的歧义消解,TP391.1
  12. 基于知识的脊柱MRI影像分割算法研究,TP391.41
  13. 基于单目夜视图像的深度估计,TP391.41
  14. 基于中介真值程度度量的图像分割方法研究,TP391.41
  15. 基于数字图像处理技术的路面裂缝检测算法研究,TP391.41
  16. Web图像搜索中基于GPU的图像分割技术术究,TP391.41
  17. 手指静脉识别技术研究,TP391.41
  18. 基于模糊C均值聚类的彩色图像分割算法研究,TP391.41
  19. 无人驾驶智能车基于单目视觉的道路检测,TP391.41
  20. 基于信息融合的道路和障碍物检测方法研究,TP242
  21. 遥感图像的K-均值聚类和分水岭分割算法的研究与实现,TP751

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