基于文化算法的圖像分割技術研究.pdf

1、圖像分割的主要目的是將目標從背景中提取出來，是從圖像預處理過渡到圖像識別和圖像分析理解的橋梁。圖像分割的方法和準確性非常重要，這是因為分割的精確度將直接影響到后續(xù)的處理、分析和理解。圖像分割的應用非常廣泛，涉及遙感、醫(yī)學、和交通等多種類型圖像。基于區(qū)域和聚類的分割方法是圖像分割中經(jīng)常采用的處理手段，針對經(jīng)典的分割方法存在迭代次數(shù)多、計算時間長、收斂速度慢等問題，智能分割方法逐漸成為該領域研究的熱點。
　　 文化算法中的種群空間和

2、信念空間相互進化和影響，形成“雙演化雙促進”機制。本文提出了一種動態(tài)變化慣性權重改進的文化粒子群算法，并將此算法與閾值或聚類相結(jié)合進行圖像分割。改進的文化粒子群算法，消除了速度鉗制的限制，將其應用到圖像分割領域，使得經(jīng)典分割算法中的不足之處得到了改善。
　　 本文的具體研究內(nèi)容和工作如下：
　　 首先，對文化算法進行分析，選取粒子群作為種群空間的文化粒子群算法。針對文化粒子群算法存在的速度鉗制，提出了動態(tài)變化慣性權重改進

3、的文化粒子群算法。
　　 其次，基于最大類間方差算法，提出了動態(tài)變化慣性權重改進算法的多閾值圖像分割方法。推導出了多閾值的最大類間方差表達式，仿真了基于粒子群的多閾值分割。通過迭代尋找類間方差的最大值，獲得最優(yōu)閾值，實現(xiàn)了改進算法的多閾值分割。
　　 再次，基于模糊聚類，提出了動態(tài)變化慣性權重改進算法的聚類圖像分割方法。確定了直方圖加權模糊聚類進行圖像分割的目標函數(shù)形式，仿真了基于粒子群的聚類分割。通過迭代尋找目標函數(shù)的