基于混沌理論的多閾值圖像分割.pdf

1、在圖像處理中，圖像分割、特征提取和目標識別構成了由低層到高層的三大任務，目標識別與特征提取都以圖像分割作為基礎，圖像分割的好壞直接影響著后續(xù)的特征提取和目標識別。閾值分割因簡單有效得到廣泛的應用，而對多閾值圖像分割的研究更具有現(xiàn)實意義。傳統(tǒng)的多閾值圖像分割方法存在算法復雜度高、運算速度慢、需要確定分割類數(shù)等問題。混沌屬于非線性動力學系統(tǒng)，具有遍歷性、收斂性、隨機不可預測性等優(yōu)點，將混沌理論應用與多閾值圖像分割，有利于提高多閾值圖像的分割

2、性能，加快算法的運行速度。本文重點研究將混沌理論運用于多閾值圖像分割，所做的主要工作如下:
　　 (1)基于混沌粒子群的fisher多閾值圖像分割。首先采用勢函數(shù)確定圖像的分割類數(shù)。勢函數(shù)是對直方圖的擬合，具有算法簡單、運算速度快的優(yōu)點，結(jié)合勢函數(shù)的優(yōu)點，選用勢函數(shù)來確定圖像的分割類數(shù)。其次將單閾值的fisher準則進行簡化，減少不必要的中間計算，并將簡化后的fisher準則拓展到多閾值圖像分割中。最后采用混沌粒子群算法進行尋優(yōu)

3、，粒子群算法具有算法簡單、運算速度快等優(yōu)點，但容易出現(xiàn)“早熟”現(xiàn)象，因此，采用基于混沌映射的粒子群算法進行尋優(yōu)。對圖像的分割結(jié)果顯示，此算法在分割速度和效果上取得了好的結(jié)果。
　　 (2)改進了時空混沌的多閾值圖像分割算法。基于時空混沌的多閾值圖像分割算法利用全局耦合映像同步過程和數(shù)據(jù)聚類過程相對應的特點實現(xiàn)圖像的分割。本文對該算法進行了改進。首先對初始化數(shù)據(jù)的改進，將耦合映像格子初始化為圖像的一維直方圖數(shù)據(jù)，利用線性規(guī)劃思想，

4、把原來的灰度矩陣賦值為灰度矩陣和概率矩陣之和，這樣可以充分利用具體圖像的信息。其次在每次迭代之后對關系矩陣進行重新賦值，以滿足關系矩陣的二值要求。最后對關系矩陣中用到的參數(shù)進行討論并對改進后的算法進行實驗，證明了算法的有效性。
　　 (3)基于混沌映射的譜聚類圖像分割。首先，譜聚類算法中的輸入數(shù)據(jù)由灰度矩陣代替像素矩陣，這樣可以節(jié)省大量的存儲空間，加快算法的運算速度。其次，針對k-均值聚類在譜特征空間進行聚類時容易陷入局部解的問