融合量子衍生及DNA計(jì)算速率的智能算法在圖像分割中的研究.pdf

1、圖像分割是圖像處理領(lǐng)域由低層次到高層次的任務(wù)之一，是一種基本的圖像處理技術(shù)，是圖像處理過(guò)程中的基本問(wèn)題和難點(diǎn)問(wèn)題，對(duì)處理后的圖像數(shù)據(jù)進(jìn)行相關(guān)的分析及理解依賴于圖像分割后的準(zhǔn)確數(shù)據(jù)。該技術(shù)的研究涉及機(jī)器學(xué)習(xí)、人工智能、計(jì)算機(jī)視覺(jué)、模式識(shí)別、以及數(shù)字圖像處理等，是多種學(xué)科交叉融合處理具體問(wèn)題的典型。隨著圖像分割技術(shù)的不斷深入研究，也會(huì)推動(dòng)相關(guān)學(xué)科的發(fā)展和成熟，促進(jìn)人們解決類似復(fù)雜問(wèn)題的研究方法。同時(shí)分割結(jié)果的應(yīng)用涉及實(shí)際生活的各個(gè)方面，加之

2、人們對(duì)圖像分割準(zhǔn)確性及實(shí)時(shí)性的要求越來(lái)越高。因此，圖像分割技術(shù)的研究顯得尤為重要。到目前為止，仍然不存在具有普遍適用的分割理論，通常采用具體對(duì)象具體解決的方法。本文重點(diǎn)就智能算法應(yīng)用于醫(yī)學(xué)圖像分割時(shí)，存在的分割不準(zhǔn)確及實(shí)時(shí)性較差等缺點(diǎn)，從分析普通智能算法機(jī)理入手，深入研究量子理論，結(jié)合量子理論的優(yōu)點(diǎn)，設(shè)計(jì)量子衍生智能算法，并應(yīng)用于圖像分割。主要研究工作如下：
　?。?）通過(guò)對(duì)蟻群算法原理的分析，明確蟻群算法具有較好的魯棒性、正反饋

3、機(jī)制以及良好的并行性；通過(guò)對(duì)蟻群算法性能的分析，明確該算法用于圖像分割時(shí)表現(xiàn)出的早熟、停滯的現(xiàn)象及運(yùn)算時(shí)間長(zhǎng)的問(wèn)題，使得圖像分割問(wèn)題得不到準(zhǔn)確解。為解決此問(wèn)題，對(duì)蟻群算法進(jìn)行量子化；為解決初始階段算法收斂速度慢，很難在大量候選解中快速找出較好解的問(wèn)題，利用混沌優(yōu)化形成初始信息素分布，對(duì)算法進(jìn)行優(yōu)化以加快收斂速度，最后給出了用于圖像分割的算法流程，并對(duì)算法的收斂性進(jìn)行了證明。通過(guò)標(biāo)準(zhǔn)測(cè)試函數(shù)及具體圖像分割實(shí)驗(yàn)，驗(yàn)證了該算法的有效性。

4、>　?。?）MR圖像廣泛應(yīng)用于醫(yī)學(xué)臨床輔助診斷中，但腦部MR圖像中包括腦灰質(zhì)、腦白質(zhì)、腦脊液等多種組織，每種組織結(jié)構(gòu)形狀復(fù)雜、組織邊界不清晰、灰度分布不均勻等特點(diǎn)，決定了其分割的復(fù)雜性。普通模糊聚類分割算法依賴于初始參數(shù)的設(shè)定，效果并不盡人意。針對(duì)此問(wèn)題，將模糊聚類算法與量子蟻群算法相結(jié)合，利用量子螞蟻搜索空間的多樣性以及收斂速度快的優(yōu)點(diǎn)，得到目標(biāo)函數(shù)最優(yōu)值，再將其作為改進(jìn)模糊聚類算法的初始參數(shù)值，對(duì)圖像進(jìn)行分割。通過(guò)實(shí)驗(yàn)分析，以及常用

5、模糊聚類算法客觀評(píng)價(jià)準(zhǔn)則計(jì)算，驗(yàn)證了該方法的有效性。
　?。?）醫(yī)學(xué)CT圖像中病灶及感興趣區(qū)域的分割是后續(xù)治療的關(guān)鍵，基于最大熵的閾值法是應(yīng)用廣泛的一種分割算法。但一維最大熵閾值分割法并不適合CT圖像腫瘤靶區(qū)的準(zhǔn)確分割要求。許多研究者利用圖像更多的局部空間信息提出了二維或更高維熵的閾值分割法，這種方法要不斷重復(fù)計(jì)算熵值，其計(jì)算耗時(shí)過(guò)多，難以用于實(shí)時(shí)圖像處理系統(tǒng)?；诖耍岢鲆环N改進(jìn)的量子克隆進(jìn)化算法，利用量子空間的多樣性豐富種群信

6、息，在傳統(tǒng)進(jìn)化算法中引入克隆算子和量子變異，搜索二維Tsallis熵最優(yōu)閾值，給出了算法總體流程，并將其用于CT圖像的分割中。仿真實(shí)驗(yàn)分析證明，與傳統(tǒng)進(jìn)化算法相比，提高了算法的收斂速度，有效避免了傳統(tǒng)進(jìn)化算法易陷入局部極值的問(wèn)題，分割效果良好，可以滿足醫(yī)學(xué)圖像三維重建要求。
　　（4）評(píng)價(jià)分割算法的優(yōu)劣不僅取決于分割精度，還取決于分割速度。隨著圖像分辨率越來(lái)越高，普通智能算法應(yīng)用于圖像分割領(lǐng)域時(shí)的實(shí)時(shí)性很難保證。因此，有必要在保證

7、算法分割精度不降低的前提下，融合新型計(jì)算方法以提高智能算法的尋優(yōu)速度?；诖?，提出一種新型DNA計(jì)算方法改進(jìn)的量子遺傳算法，將生化反應(yīng)速率的DNA計(jì)算引入量子遺傳算法。利用DNA編碼，同時(shí)引入置換自適應(yīng)交叉算子和密碼子變異算子對(duì)遺傳算法進(jìn)行改進(jìn)，將其算法用于尋找二維熵的最佳閾值，然后對(duì)圖像進(jìn)行分割，標(biāo)準(zhǔn)測(cè)試圖像及醫(yī)學(xué)圖像分割實(shí)驗(yàn)證明該方法在保證分割精度不降低的前提下有效提高了分割的速度。
　　綜上所述，論文就圖像分割中廣泛使用的智