基于粒子群優(yōu)化算法的圖像分割研究.pdf

1、圖像分割是圖像處理和計算機視覺領(lǐng)域的研究熱點之一，也是圖像識別的重要基礎(chǔ)。圖像分割技術(shù)的優(yōu)劣決定著最終的圖像分析和圖像理解的結(jié)果和質(zhì)量，只有通過細(xì)致精確的圖像分割，才能使得更高層的圖像分析和理解成為可能。圖像分割問題實質(zhì)上是一個在復(fù)雜的參數(shù)空間中尋求最優(yōu)分割參數(shù)的問題。而各種智能優(yōu)化算法可對復(fù)雜的非線性多維數(shù)據(jù)空間進行快速有效的計算，它不僅可能得到全局最優(yōu)解，而且會使計算時間大大地縮短。
　　 在眾多的圖像分割算法中，閾值分割和

2、基于聚類的分割是圖像分割領(lǐng)域中最常用和應(yīng)用相當(dāng)廣泛的方法。智能優(yōu)化算法用于圖像分割包括兩個方面：最優(yōu)閾值選取和特征空間聚類。其中最優(yōu)閾值的選取就是將智能算法作為優(yōu)化工具，采用迭代的方式計算在某準(zhǔn)則下目標(biāo)函數(shù)的最優(yōu)值，從而求取分割圖像的最優(yōu)閾值。特征空間聚類則是將智能優(yōu)化算法與基于聚類的圖像分割技術(shù)結(jié)合起來，盡可能避免特征空間的聚類陷入局部最優(yōu)，同時又盡快地獲得最優(yōu)聚類。本文主要對基于粒子群優(yōu)化算法的圖像分割方法進行研究，研究的目標(biāo)是綜合

3、利用傳統(tǒng)與現(xiàn)代分割技術(shù)，以粒子群優(yōu)化算法為尋優(yōu)工具，建立具有自適應(yīng)和魯棒性的分割方法，達到自動、精確和快速分割圖像的目的。
　　 論文主要在粒子群優(yōu)化算法的改進、最大類間方差法和最大熵法的推廣、基于最大模糊熵和改進粒子群的閾值分割算法框架的建立、基于模糊聚類分析及粒子群優(yōu)化的聚類分割算法的改進、基于互信息和類距離測度最優(yōu)的圖像自動聚類類別數(shù)的獲取等方面展開研究工作，包括以下6個方面：
　　 (1)對圖像分割算法和基于智能

4、優(yōu)化算法的圖像分割研究進展進行綜述，提出利用粒子群優(yōu)化算法進行圖像分割研究的可行性和意義；(2)對基本粒子群算法的基本理論、算法的改進思路和研究進展進行綜述，分析從保持種群多樣性的角度避免算法早熟收斂的優(yōu)勢；(3)對推廣的最大類間方差法和最大熵法的基本原理和技術(shù)作系統(tǒng)的概述；(4)對基于最大模糊熵的閾值分割方法中的關(guān)鍵技術(shù)進行研究，分析最大模糊熵法在模糊集的模糊劃分方式、模糊熵的定義以及優(yōu)化問題的求解中面臨的問題，提出解決問題的方案；(

5、5)闡述多種改進的基于模糊C-均值聚類算法的優(yōu)缺點，分析新的窗口權(quán)重構(gòu)造方法對圖像空間結(jié)構(gòu)信息的簡單有效利用、分割算法收斂速度和收斂精度的影響；(6)從聚類分割后圖像的最大類內(nèi)距離和平均離散度的單調(diào)性變化入手，結(jié)合互信息理論和改進的粒子群算法，研究一種新的聚類類別數(shù)自動判別方法。
　　 本文研究的主要成果及創(chuàng)新點為：(1)設(shè)計一種新的基于粒子空間對稱分布的PSO(sdPSO)算法，算法的尋優(yōu)性能得到增強；(2)提出基于鄰域灰度對

6、比度的改進二維Otsu法和改進二維最大熵法，用sdPSO算法尋找最優(yōu)閾值，算法運行時間大大縮短；(3)提出一種新的基于三維最大模糊熵及sdPSO算法的閾值分割方法，能更有效地提高灰度圖像的分割效果和分割精度；(4)提出基于空間距離相似性的改進FCM算法(SDSFCM)和基于灰度和空間距離相似性的改進FCM算法(GSDSFCM)，采用sdPSO算法尋找最優(yōu)聚類中心，算法的分割精度、抗噪能力、分割時間等綜合性能均得到提高；(5)提出一種以互