改進(jìn)型粒子群優(yōu)化算法及其在圖像分割中的應(yīng)用.pdf

1、粒子群優(yōu)化算法(Particle Swarm Optimization,PSO算法)源于鳥群和魚群群體運(yùn)動(dòng)行為的研究，是一種基于種群搜索策略的自適應(yīng)隨機(jī)優(yōu)化算法。作為群智能的典型代表，粒子群優(yōu)化算法已被證明是一種有效的全局優(yōu)化方法，它收斂速度快、計(jì)算簡單和容易實(shí)現(xiàn)，因而一經(jīng)提出就受到全世界研究者的廣泛重視。目前已經(jīng)被廣泛應(yīng)用于圖像分割、目標(biāo)函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模糊控制系統(tǒng)等許多領(lǐng)域，并取得了很好的效果。然而它仍然存在一些缺點(diǎn)：容易陷

2、入局部最優(yōu)以及在演化后期收斂速度迅速減小，因此往往收斂不到全局最優(yōu)解。 圖像分割是目標(biāo)檢測(cè)和識(shí)別過程中的重要步驟，其目的是將感興趣區(qū)域從圖像中分割出來，從而為計(jì)算機(jī)視覺的后續(xù)處理提供依據(jù)。對(duì)圖像進(jìn)行分割的方法有多種，閾值法因?qū)崿F(xiàn)簡單而成為一種有效的圖像分割方法。然而要在直方圖呈多峰分布的復(fù)雜圖像中搜索一個(gè)最佳多閾值組合對(duì)圖像進(jìn)行分割，它的高耗時(shí)性無法滿足實(shí)時(shí)性的要求，而閾值的準(zhǔn)確確定又是有效分割圖像的關(guān)鍵。因此，快速準(zhǔn)確地搜索到

3、圖像分割的多閾值組合將是問題的難點(diǎn)。然而要快速和準(zhǔn)確地確定復(fù)雜圖像中的多閾值最佳組合，使分割效果好且滿足實(shí)時(shí)性要求，就必須尋求一種高效的算法來解決基于多值閾值法的圖像分割問題。 本文在前人工作的基礎(chǔ)上，對(duì)粒子群優(yōu)化算法及其在圖像分割中的應(yīng)用進(jìn)行了研究。本文的主要研究內(nèi)容如下： 第一部分分別對(duì)粒子群優(yōu)化算法的研究現(xiàn)狀和圖像分割方法的發(fā)展?fàn)顩r以及相關(guān)的基本概念進(jìn)行了介紹，并闡述了本文的主要工作。 在第二部分，為了提高

4、粒子群算法的收斂速度同時(shí)提高算法的全局搜索性能，本文提出了一種新穎的改進(jìn)型粒子群優(yōu)化算法，該算法根據(jù)定義的兩個(gè)因子：進(jìn)化速度因子和聚集程度因子來共同確定并動(dòng)態(tài)改變粒子速度更新公式中的慣性權(quán)重。算法為了進(jìn)一步提高收斂速度，當(dāng)群體最近幾次迭代幾乎停止收斂時(shí)，將根據(jù)適應(yīng)度大小復(fù)制較好的粒子去取代較差的粒子，重新組合成一個(gè)較優(yōu)的粒子群繼續(xù)優(yōu)化進(jìn)程。通過對(duì)不同測(cè)試函數(shù)的仿真實(shí)驗(yàn)表明：改進(jìn)型粒子群優(yōu)化算法能顯著地提高了粒子群優(yōu)化算法的收斂速度和全局