基于微粒群算法的圖像閾值分割方法及其應(yīng)用.pdf

1、在數(shù)字圖像處理的應(yīng)用領(lǐng)域中，經(jīng)常需要對(duì)圖像目標(biāo)進(jìn)行提取識(shí)別，如人臉識(shí)別、文字識(shí)別、指紋識(shí)別、車牌識(shí)別、基于內(nèi)容的圖像檢索等，圖像分割則是圖像識(shí)別預(yù)處理階段至關(guān)重要的步驟。圖像的閾值分割技術(shù)由于其原理簡單，易于實(shí)現(xiàn)，已成為目前最常用的圖像分割方法。在閾值分割算法中，確定最優(yōu)閾值是圖像分割的關(guān)鍵。但閾值的選取大多采用窮盡的搜索方式，運(yùn)算效率較低，抗噪能力不強(qiáng)，容易產(chǎn)生誤分割。
　　 為了解決以上問題，本文采用智能優(yōu)化算法來搜尋最優(yōu)閾

2、值，旨在最大限度地提高尋優(yōu)效率和尋優(yōu)精度。微粒群算法是一種原理簡單，實(shí)現(xiàn)容易的新的智能算法，本文在研究微粒群智能優(yōu)化算法的基礎(chǔ)上，建立了閾值尋優(yōu)算法并將其實(shí)施于圖像分割的應(yīng)用領(lǐng)域。
　　 本文的閾值分割方法首先對(duì)圖像進(jìn)行去噪處理，繪制出圖像的二維直方圖；其次，根據(jù)二維直方圖信息選取適當(dāng)灰度值作為微粒群算法中的初始微粒群體，以減少后續(xù)的計(jì)算量，提高算法的效率；然后，用包含動(dòng)態(tài)慣性權(quán)重的進(jìn)化方程進(jìn)行迭代，調(diào)整動(dòng)態(tài)慣性權(quán)重的參數(shù)，對(duì)于

3、不同的具體數(shù)據(jù)，獲取適當(dāng)?shù)膽T性權(quán)重；最后，通過尋優(yōu)搜索得到算法的輸出值即為最優(yōu)閾值，以此閾值劃分像素，實(shí)現(xiàn)圖像分割。
　　 本文的創(chuàng)新點(diǎn)在于在微粒群算法的進(jìn)化方程中加入了動(dòng)態(tài)的慣性權(quán)重，提出一種基于微粒群算法的改進(jìn)閾值分割算法DPSO(Dynamic PSO)。它使得整個(gè)尋優(yōu)過程中可以根據(jù)圖像信息數(shù)據(jù)有效地控制局部搜索能力和全局搜索能力的比例關(guān)系，從而防止算法過早收斂和陷入局部最優(yōu)解。
　　 本文將改進(jìn)的微粒群算法應(yīng)用于