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