论文部分内容阅读
图像分割是图像分析处理过程的一个关键步骤,在医疗、机器视觉、遥感图像分析等众多领域被广泛应用。本文提出一种基于改进布谷鸟的模糊C均值聚类(Fuzzy C-Means clustering,FCM)图像分割算法,用于火电厂炉膛速度场图像分割,为图像处理技术在炉内空气动力场分析中的应用提供理论依据。本文主要工作如下:(1)本文对布谷鸟算法进行了研究,分析了该算法在求解最优值问题时的优势和不足。针对布谷鸟算法中发现概率为固定值,会影响算法寻优速度的问题,本文定义了一种可变发现概率的求取公式,提出改进的布谷鸟优化。算法,选取了几个常用测试函数对改进后的算法进行性能测试,结果表明改进后算法的平均运行速度提高了5%,平均目标函数值优化了 6.93%。(2)本文分析了传统分割方法在炉膛速度场图像分割中的优缺点,总结出聚类方法分割此类图像更具优势,进而者重研究了FCM聚类算法在炉膛速度场图像分割中的应用,针对FCM 算法对初始聚类中心敏感且易陷入局部最优的问题,本文提出一种基于改进布谷鸟的FCM图像分割算法,利用BSD500图像分割数据集对改进算法进行图像分割质量评价.实验表明基于改进布谷鸟的FCM图像分割算法分割质量良好,平均相似度系数达到了89.97%,平均杰卡德系数达到了86,28%,平均精确度达到了88.74%,平均召回率达到了91.76%。(3)本文基于FLUENT进行了四角切圆燃煤锅炉速度场仿真实验,获取了二维速度场仿真图像,用课题研究中提出的基于改进布谷鸟的FCM图像分割算法对其进行分割,提取出了速度场图像中心切圆及进风偏角区域,通过实验总结出速度场图像在聚类数为5~7类时分割时效果良好,验证了基于改进布谷鸟的FCM算法对炉膛速度场图像的分割质量优于传统图像分割算法。基于FLUENT进行了速度场仿真实验,利用MATLAB平台对速度场仿真图像进行了分割,通过分割质量对比实验验证了本文所提出的分割算法有效可行。