基于細(xì)菌覓食算法和多目標(biāo)優(yōu)化的圖像分割與增強(qiáng).pdf

1、基于閾值的圖像分割方法在圖像分割領(lǐng)域中應(yīng)用最為廣泛，而對圖像的對比度增強(qiáng)則算是在圖像增強(qiáng)中最常用的方法。閾值分割方法可分為單閾值分割和多閾值分割，多閾值的分割方法是在單閾值分割方法的基礎(chǔ)上衍生出來的。相對來說，單閾值分割方法比較成熟，但仍會(huì)受到噪聲干擾問題，而在多閾值分割方法中，減少時(shí)間消耗和提高圖像分割質(zhì)量則是研究的主要目標(biāo)。另一方面，在對圖像對比度增強(qiáng)時(shí)，如何在增強(qiáng)圖像的對比度的同時(shí)還能保留圖像的平均密度是需要思考的問題。為解決這些

2、問題，考慮將上述問題轉(zhuǎn)換成目標(biāo)優(yōu)化問題進(jìn)行尋優(yōu)求解，然而傳統(tǒng)的方法已不適用于這一類目標(biāo)優(yōu)化問題，為此，引入了細(xì)菌覓食算法(BacterialForaging algorithm，簡稱BFA)來求解這一類目標(biāo)優(yōu)化問題。
　　細(xì)菌覓食算法是模仿大腸桿菌的一種仿生隨機(jī)優(yōu)化算法，具有較強(qiáng)的魯棒性，快速的收斂性，以及易于跳出局部最優(yōu)的特點(diǎn)，因此非常適合解決較復(fù)雜的目標(biāo)優(yōu)化問題。這也為解決單閾值的噪聲干擾問題、多閾值的時(shí)間消耗和分割質(zhì)量問題、

3、對比度增強(qiáng)的平均密度問題提供了一種新的且有效的方法。本文主要是針對上述圖像分割和圖像增強(qiáng)的諸多問題采用目標(biāo)優(yōu)化算法來展開研究，其主要的工作如下:
　　1.針對傳統(tǒng)的單閾值分割中噪聲干擾問題，提出一種基于細(xì)菌覓食算法的目標(biāo)優(yōu)化方法，通過對最大類間方差法和最小誤差法兩種分割方法線性加權(quán)求和，并利用細(xì)菌覓食算法良好的收斂速度和跳出局部最優(yōu)的能力，來獲取最優(yōu)解。也通過實(shí)驗(yàn)證明了該算法在單閾值分割中噪聲干擾問題取得了較好的效果。
　　

4、2.針對多閾值分割方法中耗時(shí)長的問題和分割質(zhì)量問題，將其轉(zhuǎn)換成目標(biāo)優(yōu)化問題來求解，并提出一種基于文化基因框架的BFA的多閾值圖像分割方法。該算法是通過結(jié)合兩種多閾值分割方法來提高分割質(zhì)量，并采用改進(jìn)的細(xì)菌覓食算法來縮短優(yōu)化時(shí)的時(shí)間消耗。通過實(shí)驗(yàn)表明，該方法不僅能夠快速找到圖像的最優(yōu)閾值而且能取得很好的分割效果。
　　3.針對因?qū)Ρ榷仍鰪?qiáng)時(shí)損耗圖像的平均密度的缺點(diǎn)，提出了基于細(xì)菌覓食算法的圖像增強(qiáng)的多目標(biāo)優(yōu)化方法，該方法主要是將圖像