基于混合粒子群優(yōu)化馬爾科夫隨機(jī)場的圖像分割.pdf

1、目前，基于馬爾科夫隨機(jī)場的圖像分割是圖像分割的一個(gè)很重要的研究領(lǐng)域。然而基于隨機(jī)場模型進(jìn)行的圖像分割通常情況下是把圖像分割轉(zhuǎn)化為優(yōu)化問題，然后利用優(yōu)化算法得到最優(yōu)解，將其作為圖像分割的最終結(jié)果。因此，為了得到較好的分割效果，優(yōu)化算法的選取就顯得尤為重要。傳統(tǒng)的優(yōu)化算法往往在迭代到一定程度之后陷入局部最優(yōu)，從而無法到達(dá)全局最優(yōu)，也就得不到理想的分割結(jié)果。粒子群優(yōu)化算法因?yàn)槠渚哂械母拍詈唵?、易于理解、參?shù)較少、搜索速率快以及迭代魯棒性強(qiáng)等優(yōu)

2、點(diǎn)而備受青睞，但與此同時(shí)它也存在一定的缺陷。本文的基本思想是借鑒協(xié)同進(jìn)化算法的思想將粒子群算法與其它的優(yōu)化算法結(jié)合，改進(jìn)粒子群算法性能，以此來獲得良好的優(yōu)化效果，進(jìn)而得到理想的分割結(jié)果。
　　本論文的主要工作:第一，將變權(quán)重的思想加入到蛙跳簡化粒子群算法中，并且對(duì)自適應(yīng)遺傳算法進(jìn)行改進(jìn)。第二，利用并行結(jié)合來進(jìn)一步改進(jìn)粒子群算法，其實(shí)質(zhì)是利用兩個(gè)算法在搜索空間進(jìn)行并行式搜索，在每次迭代中都進(jìn)行信息交互，且按照一定的規(guī)則進(jìn)行個(gè)體的交換