基于改進粒子群算法和三維Otsu的圖像分割研究.pdf

1、圖像分割是數(shù)字圖像處理的基本組成部分,也是接下來對圖像進行分析、處理的基礎，圖像分割的效率和準確性對后續(xù)工作來說至關(guān)重要。閾值法中Otsu法因為其簡單可行而且性能穩(wěn)定成為一種主流分割方法，但要在一個多峰圖像的全灰度區(qū)域內(nèi)找到一個較為準確的最優(yōu)閾值組合會花費很長時間，這嚴重阻礙了多維Otsu法的應用。為了在得到較好分割效果的同時減少分割時間，本文先對粒子群算法進行改進，然后將其與三維Otsu法相結(jié)合應用于圖像分割，相關(guān)工作和創(chuàng)新點主要有以

2、下幾個方面。
　　針對基本粒子群算法在前期快速性的不足，利用混沌映射方程對粒子種群進行初始化，增強初始粒子群分布的均勻性，保證初始種群的多樣性。將云模型這一概念引入到粒子群算法中，在迭代過程中將粒子群體分類，分別采用不同的方式對慣性權(quán)重進行操作，對相對中庸的粒子利用云正態(tài)發(fā)生器對它們的慣性權(quán)重?進行優(yōu)化，在保證收斂速度的前提下提高算法的收斂精度。
　　在算法的迭代后期，對種群進行變異操作。當種群聚集度過高時對種群分類，對較優(yōu)

3、的一類粒子利用正向云發(fā)生器在最優(yōu)粒子的鄰域進行搜索，提高解的精度；對較差的那類粒子利用混沌映射進行擾動，增強種群的多樣性，避免算法停滯或陷入局部最優(yōu)。從而形成一種新的算法——云自適應混合變異粒子群算法（Cloud Adaptive Multi-Mutation Particle Swarm Optimization，CAMMPSO）。通過標準函數(shù)對CAMMPSO算法進行仿真實驗，結(jié)果表明該算法在收斂速度和精度上都比基本粒子群算法以及混沌

4、粒子群算法更好。
　　針對一維Otsu法只利用到了圖像的灰度信息的缺陷，將其擴展到二維乃至三維，并對鄰域中值進行加權(quán)，改良對圖像中物體邊緣和細節(jié)信息的處理。同時引入三維Otsu法的遞推公式，減少算法的計算復雜度。
　　將CAMMPSO算法與改進的三維Otsu法相結(jié)合應用在圖像分割上，對原始圖像以及加噪后的圖像進行分割仿真。結(jié)果表明，本文采用的方法在對噪聲較多的圖像進行分割時，快速性和降噪性都比較出色，能保留更多的邊緣以及細節(jié)