学位论文 > 优秀研究生学位论文题录展示

基于量子粒子群算法的图像阈值分割方法研究

作　者: 施博
导　师: 童小念
学　校: 中南民族大学
专　业: 计算机应用技术
关键词: 数字图像处理双阈值分割量子粒子群算法边界控制最大类间方差
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 85次
引　用: 4次
阅　读: 论文下载

内容摘要

图像分割是数字图像处理中至关重要的预处理环节。在图像分割的众多算法中,阈值分割以直观、易于实现的特点最受关注,其应用最广泛,算法种类也最多。在阈值分割算法中,确定最优阈值是关键步骤。传统的阈值分割方法大多采用穷举算法寻求最优阈值,这使得阈值计算过程中计算量过大,运算效率低。特别是对于复杂图像进行多阈值分割时,计算量更是呈指数级增长。受量子理论的启发而提出的量子粒子群算法(Quantum-behaved Particle Swarm Optimization, QPSO)由粒子群算法(Particle Swarm Optimization, PSO)发展而来。它以粒子群中粒子的基本收敛特性为基础,进化方程中不需要速度向量,参数更少,更容易控制,且易于实现,具有极强的全局搜索能力,是一种最新的智能寻优算法。为了研究图像阈值的分割效率和分割精度,本文分别采用遗传算法(Genetic Algorithm, GA)、粒子群算法PSO、量子粒子群算法QPSO对图像进行阈值分割,实验结果表明了QPSO算法的高效率和优秀的全局搜索能力。在此基础上,鉴于QPSO算法在粒子越过搜索区域边界时对粒子的简单处理方法有可能导致粒子聚集于边界,从而产生全局最优解的误差,本文提出了一种基于量子粒子群算法的改进阈值分割算法BQPSO(Boundary-controlled QPSO)。BQPSO对于标准量子粒子群算法引入了边界控制策略,在粒子越过搜索区域的时候将其重置到搜索区域内边界附近的某一随机位置。它使得越过搜索区域边界的粒子不会聚集于搜索区域边界上,而是回到搜索区域内,保持了群体的多样性,更有效地避免算法陷入局部最优解,增强了算法的全局搜索能力。本文的创新点在于引入了边界控制策略对标准量子粒子群算法QPSO进行改进,并将改进算法BQPSO应用于图像分割的阈值寻优。BQPSO算法与标准QPSO算法、PSO算法和GA算法在复杂图像双阈值分割应用中的比较结果验证了BQPSO算法在阈值寻优中的高效性和准确性。将BQPSO阈值寻优算法应用于免疫细胞图像分割和其它大量图像的实验结果进一步表明,BQPSO算法具有理想的的全局寻优能力和分割效果,在图像阈值分割的应用方面有实用价值。

全文目录

摘要  7-9
Abstract  9-11
第一章绪论  11-14
  1.1 阈值分割概论  11
  1.2 粒子群算法简介  11-12
  1.3 量子粒子群算法简介  12-13
  1.4 本文的主要工作  13
  1.5 本文结构  13-14
第二章智能优化算法综述  14-27
  2.1 引言  14
  2.2 遗传算法（GA）  14-17
    2.2.1 遗传算法的思想起源  14-15
    2.2.2 遗传算法的基本原理  15
    2.2.3 遗传算法的流程  15-16
    2.2.4 遗传算法的特点  16-17
  2.3 粒子群算法（PSO）  17-21
    2.3.1 粒子群算法的思想起源  17-18
    2.3.2 粒子群算法的基本原理  18-19
    2.3.3 粒子群算法流程  19-20
    2.3.4 粒子群算法的发展  20
    2.3.5 粒子群算法的特点  20-21
  2.4 量子粒子群算法（QPSO）  21-27
    2.4.1 相关的量子理论  21-23
    2.4.2 量子粒子群算法的基本原理  23-25
    2.4.3 量子粒子群算法流程  25
    2.4.4 量子粒子群算法的优点  25-27
第三章量子粒子群算法在阈值选取中的应用  27-35
  3.1 阈值分割原理  27
  3.2 常用的阈值选取方法  27-28
    3.2.1 直方图分割法  27-28
    3.2.2 最佳阈值分割法  28
  3.3 基于QPSO 的阈值分割算法  28-35
    3.3.1 最大类间方差法（Otsu）  29-31
    3.3.2 基于QPSO 的双阈值分割算法  31
    3.3.3 实验数据分析  31-35
第四章改进的量子粒子群算法在阈值选取中的应用  35-46
  4.1 改进的量子粒子群算法  35-36
    4.1.1 标准量子粒子群算法的缺点  35
    4.1.2 基于边界控制的量子粒子群算法BQPSO  35-36
  4.2 BQPSO 算法在图像阈值分割中的应用  36-43
    4.2.1 实验数据分析  36-43
  4.3 基于BQPSO 的双阈值分割算法在免疫细胞图像分割中的应用  43-46
总结与展望  46-47
参考文献  47-51
致谢  51-52
附录A 攻读学位期间发表的学术论文  52

相似论文

基于FPGA的数字图像处理基本算法研究与实现,TP391.41
机械臂视觉伺服系统的研究,TP242.6
数字图像处理在集装箱检测中的应用研究,TP274.4
基于图像处理技术的两相流动特性描述,TP391.41
群控电梯客流密度实时识别技术研究,TP391.41
沉积物岩心灰度图像处理技术及其在东海内陆架高分辨沉积记录中的应用,P736.21
基于单目夜视图像的深度估计,TP391.41
量子粒子群算法研究及其在图像矢量量化码书设计中的应用,TP301.6
基于数字图像处理技术的介质阻挡放电均匀性评价研究,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
基于人脸识别的图像美化系统设计与实现,TP391.41
低压接触器电弧温度检测研究,TM572
微光像增强器的分辨力和荧光屏疵点检测技术研究,TN144
基于混合料压实特性的沥青路面压实工艺研究,U416.217
边防红外监控系统中运动目标的检测预警设计,TP391.41
磁粉探伤缺陷识别自动化系统设计与开发,TP391.41
基于OpenCV的数字稳像系统实现,TP391.41
基于嵌入式的视觉检测系统设计与实现,TP391.41
基于ARM9的嵌入式图像处理平台的设计及应用,TP391.41
道路交通标志的检测与识别技术研究,U495
数字图像分割算法研究,TP391.41