智能算法在圖像分割中的應(yīng)用研究.pdf

1、圖像分割作為圖像處理和分析的基礎(chǔ)，是一種重要的計算機視覺技術(shù)。閾值分割法具有計算簡單、分割效果理想等特點，被廣泛應(yīng)用于各種圖像分割領(lǐng)域，而基于模糊熵算法的閾值分割法是當(dāng)前最常用的圖像分割方法。 傳統(tǒng)模糊熵分割算法的分割閾值易受噪聲影響，針對此問題，提出了一種改進的基于二維灰度直方圖的模糊熵閾值分割算法。新算法將圖像的二維灰度直方圖劃分出有效區(qū)域，并根據(jù)中心像素與鄰域均值之間的關(guān)系重新定義了模糊熵函數(shù)的隸屬度。 將灰色系統(tǒng)

2、理論中灰色關(guān)聯(lián)度的概念引入到模糊熵閾值分割算法中。利用灰色關(guān)聯(lián)度來描述中心像素與鄰域像素的關(guān)聯(lián)程度，并將該灰色關(guān)聯(lián)度與模糊熵函數(shù)的隸屬度相結(jié)合，由此重新定義了模糊熵閾值分割算法中的隸屬度函數(shù)。提出了基于灰色關(guān)聯(lián)度的兩種改進模糊熵閾值分割算法。 圖像單閾值分割在很多情況下不能滿足實際要求，因此需要對圖像進行多閾值分割。然而，傳統(tǒng)窮舉法搜索圖像的多個分割閾值時，因圖像數(shù)據(jù)量較大，導(dǎo)致運算時間較長，難以應(yīng)用于實際工程中。為此，采用智能

3、優(yōu)化算法來搜索圖像的多個分割閾值，具有很好的應(yīng)用前景。 針對微粒群算法全局搜索能力不強的缺陷，提出了一種基于隨機參數(shù)的改進微粒群算法。為克服傳統(tǒng)模糊聚類算法的缺陷，引入模糊聚類有效性指標函數(shù)，提出了基于變長度微粒群算法與模糊聚類有效性指標函數(shù)的自適應(yīng)圖像多閾值分割方法。引入基因跳躍操作的遺傳算法有助于提高遺傳算法的收斂速度和全局搜索能力。但是，標準跳躍基因遺傳算法的基因跳躍操作缺乏指導(dǎo)，容易破壞較優(yōu)基因，為此提出了三項改進措施。