基于多模態(tài)遺傳優(yōu)化的非參數(shù)方法多曲線識別算法的研究.pdf

1、Hough變換能夠從含有噪聲和斷點的二值圖像當中提取出目標曲線，但是使用Hough變換的前提是預先知道曲線的方程或形狀。對于那些無法預知其方程或形狀，而在實際圖像中往往在許多情況下存在的曲線，Hough變換就無能為力了。把這類曲線的識別問題歸結為離散的組合優(yōu)化問題，在對遺傳算法深入研究的基礎上，采用遺傳優(yōu)化的方法識別非參數(shù)曲線。實際圖像中可能同時存在多條非參數(shù)曲線，對多條非參數(shù)曲線的識別，本論文采用了多模態(tài)遺傳優(yōu)化的方法，同時提取出多條

2、曲線。主要研究內容如下：
　　 1)介紹了參數(shù)曲線和非參數(shù)曲線的概念，Hough變換提取參數(shù)曲線，以及人類視覺對參數(shù)和非參數(shù)曲線濾波特性進行了研究，并進行了仿真實驗，得出了人類視覺濾波的臨界噪聲，并用于對多曲線識別的定標。
　　 2)針對遺傳算法求解多模態(tài)優(yōu)化問題時無法同時取得全局最優(yōu)解和盡可能多的局部最優(yōu)解問題，對算法提出了改進。采用了基于相似個體結構的小生境技術和境內交叉相結合的算法，給出了新算法的原理，并進行了仿真