【摘 要】
:
图像作为一种包含大量信息的多媒体数据,在人们生活和工作中扮演着越来越重要的角色。图像分割是图像识别和计算机视觉至关重要的预处理步骤,也是实现图像理解的一种有效途径,作为图像处理的重要环节受到了越来越多的关注。图像分割在计算机视觉、人脸识别、产品检测、工业自动化、智能交通、文字识别、外星探测、航空与航天技术、遥感卫星图像处理、生物与医学工程、体育和农业等领域得到了广泛的应用。在很多工程应用中,由于实
论文部分内容阅读
图像作为一种包含大量信息的多媒体数据,在人们生活和工作中扮演着越来越重要的角色。图像分割是图像识别和计算机视觉至关重要的预处理步骤,也是实现图像理解的一种有效途径,作为图像处理的重要环节受到了越来越多的关注。图像分割在计算机视觉、人脸识别、产品检测、工业自动化、智能交通、文字识别、外星探测、航空与航天技术、遥感卫星图像处理、生物与医学工程、体育和农业等领域得到了广泛的应用。在很多工程应用中,由于实际问题的复杂性与多样性,及各种因素的限制,人们很难获得大量的图像样本。灰度图像是各类图像中最基础且应用最广泛的一种,具有表示简单、数据量小、编码传输方便等优势,作为构建复杂图像的基础,灰度图像适用于大多数的图像处理场合,其分割方法也被广泛用于多种学科和工程应用之中。因此高分割精度和计算效率的小样本灰度图像分割技术很有研究的意义与工程价值。图像分割技术涉及认知科学、计算机视觉等多个交叉学科,也被广泛应用于工程实践之中。基于特征聚类和阈值的分割方法由于其结构简单,适用能力强,分割效果好的优点在图像分割领域中被广泛应用和改进。但传统的灰度图像分割方法或分割效果不好,或计算效率较差。仿生优化算法可以快速有效地计算复杂的非线性多维数据空间,而图像分割问题又可等价于在复杂的参数空间中寻求最优分割参数的问题,故将仿生学优化算法应用于灰度图像分割中,可以提高计算效率和算法的分割精度。本文对基于特征空间聚类和最优阈值选取的图像分割技术展开研究,引入在计算稳定性和处理速度上较好的灰狼优化算法,以提高算法性能和图像分割精度为目的,提出了几种适应性强,分割精度较高的图像分割算法。本文主要研究工作和创新点如下:1.针对模糊C均值算法分割图像存在初始聚类中心不确定、需要人为设定聚类类别数、迭代过程中容易陷入局部最优的问题,及灰狼优化算法的搜索种群单一化易陷于局部最优和出现早熟收敛的问题,提出了基于差分进化灰狼优化的FCM图像分割方法。由于FCM算法的聚类中心的估计可被看作是在灰度区间内寻找合适值的搜索过程,利用基于差分进化的灰狼优化算法来寻找聚类中心,提高狼群搜索多样性和突变能力,避免算法陷入局部最小值,能够进一步提高了算法的分割精度。2.针对传统的模糊C均值算法只利用像素的隶属度信息,对噪声和不均匀灰度值较为敏感,没有充分利用像素周围的邻域空间信息,算法分割精度不高,鲁棒性差等问题,提出了基于并行LGWO和局部信息的FCM图像分割方法。通过引入Levy飞行策略来提高算法计算效率和搜索性能,设计并行计算程序可以极大提升算法的计算效率。结合图像的邻域信息对噪声图像进行自适应灰度加权,可有效抑制噪声影响,提高算法的分割精度。3.当图像受到的噪声污染较为严重时,图像像素的邻域信息也可能会被污染,导致结合了图像局部空间信息的模糊聚类算法分割精度降低,无法满足高精度分割要求。提出了基于改进并行LGWO和全局信息的FCM图像分割方法。利用新的收敛因子和动态权重策略改进的并行LGWO算法对图像进行粗略聚类得到初始聚类中心,这些改进可使并行LGWO算法拥有更高的搜索精度。并将像素周围的邻域信息和非邻域信息作为空间信息添加到目标函数中,利用信息熵调整像素信息与非邻域空间信息之间的权重,用改进的距离测度代替传统的欧式距离,从而进一步改善算法的分割效果。4.由于阈值的选择直接影响阈值分割技术的分割准确性,传统的阈值分割方法多是通过遍历来得到,影响算法的计算效率。提出了基于改进灰狼优化算法的多阈值图像分割方法。利用Tsallis灰度熵阈值技术确定最佳阈值,其有简单易实现,分割精度高,易于从单阈值分割扩展到多阈值分割的特点。引入对立学习的种群初始化、Levy飞行、自适应边界、较差个体主动高斯变异策略,改进灰狼优化算法。改进算法能够较好的平衡算法的搜索和开发能力,避免算法陷入局部最优,同时提高了算法的收敛速度、全局搜索能力和分割精度。各部分仿真实验进一步表明所提方法的有效性。
其他文献
复杂网络被广泛用于描绘与分析复杂系统中不同元素之间的相互作用。无论是日常的人际关系网络还是生态系统的内在运作结构,都可以用复杂网络进行研究。复杂网络上元素之间的相互博弈与演化,推动着整个系统向前发展。本文围绕复杂网络展开研究,分析网络结构对系统功能的影响,并将复杂网络研究与智能优化算法相结合。为理解合作行为的涌现,研究人员分析复杂网络结构对策略演化的影响,并尝试寻找有利于合作策略演化的复杂网络结构
本文研究了多agent离散事件系统的集中式和分布式监督控制。系统中的agent根据其状态转移结构被分为多组,每一组里的agent具有相似或相同的状态转移结构。这样的系统在工业生产中有着广泛的应用。系统中的agent(例如工厂中的机器、制造单元中的机器人以及物流系统中的AGV)执行着相同的任务,并且agent的数量可能随着时间发生变化。针对以上系统,本文共研究了四方面的内容。首先,本文利用每组里的a
随着信息技术的蓬勃发展,人工智能技术正成为推动新一轮军事革命的核心驱动力,在国防领域发挥越来越重要的作用。将人工智能技术与雷达自动目标识别(RATR)技术相融合,增强对来袭目标的探测和预警能力,对提高战场态势的感知具有重要意义。此外,雷达高分辨距离像(HRRP)反映了目标散射中心沿雷达视线的分布情况,包含了目标大量的结构信息,并且具有易获取、易存储、易处理等优点,受到了雷达自动目标识别领域的持续关
微机电系统以微电子技术和现代信息技术为基础,融合微加工和精密机械加工等多种加工技术而构造的微型系统。MEMS麦克风是将音频信号转换为电信号的微型传感器。相比于传统麦克风,它具有耐高温、频响平坦和体积小、功耗低的优点。MEMS器件建模涉及多个学科,复杂的机械机构和多物理场耦合导致精确仿真需要耗费大量计算资源。因此,提高模型的仿真效率是MEMS麦克风建模研究的热点。MEMS麦克风传统模型包括集总参数模
大数据背景下,机器学习在许多领域大放异彩,作为其重要分支,人工神经网络主要被应用于监督学习,但现实中数据的标签很难得到,于是衍生出了利用部分无标签样本的半监督学习。随着数字设备和网络技术的发展,数据呈现爆炸式增长,导致很多数据必须在通信网络中分散存储,传统的集中式学习方法需要将这些数据传输之后集中处理,但一些场景中数据由于本身特殊性或者受到通信网络的限制而无法被传输,从而导致集中式学习方法无法使用
随着物联网应用的涌现,位置信息需求急剧增加,且其在应用实现过程中起着至关重要的作用。智能医疗、智能家居和对象跟踪等应用程序都需要准确的室内位置信息。而随着无线技术的不断发展和无线设备的广泛部署,Wi Fi、5G/4G、FM、电视等无线信号几乎覆盖了我们生活的每一个角落。当目标处于不同位置时,不可避免地会对周围的无线信号产生不同的影响,因此,通过分析受影响的无线信号来估计目标位置是可行的。这种无需目
最近几十年,多智能体系统的协同控制在生物、工业、经济等不同领域有着广泛的应用。因此,作为协同问题的典型问题之一,一致性受到了大量的关注。所谓一致性,是指所有智能体通过与邻居共享信息达到一个相同的状态。一般地,处理多智能体系统的一致性问题时,常采用连续时间通信的方式,即智能体之间持续不断地传递信息。显然,这种方式是不现实的。由于传统的模拟控制器被数字控制器取代,智能体离散地广播信息,所以采样机制被引
复杂网络是一门涵盖计算数学、物理、计算机、生物等领域的交叉学科。复杂网络理论及方法能帮助人类分析大规模系统的组成结构、分析网络成员的运行动态并掌握功能结构的分布规律,在近年来的研究中得到了广泛的关注。结构各异的系统承担着不同的任务,也面临着复杂多变的应用环境,自然灾害或人为破坏等各种外界因素难免对于系统的正常运转造成干扰。在这一背景下,实际应用中需要的是性能鲁棒的网络,这样的网络在遭受一定的攻击或
自1929年英国生物学家弗莱明发现青霉素至今,人类已不断研发出多种抗生素。目前也已开展了各种抗生素在临床上得应用,越来越多的感染患者得到治愈,同时也伴随着越来越多的病原菌对各类抗生素产生了强大的耐药性。这其中以耐甲氧西林金黄色葡萄球菌(Methicillin-resistant Staphylococcus aureus,MRSA)为代表的多重耐药菌严重影响人类及其它生物健康。发现并研究新型药物以
移动互联网的迅猛发展使得人们生活中的图像数量激增,如何更好的管理和利用这些图像成为一个重要问题。由于图像特征提取作为图像处理任务中的一个关键步骤能够从冗余的图像信息中提取作为判别与分析标准的主要特性,因此从图像中提取特征以挖掘并利用图像数据蕴含的重要信息是解决这个问题的有效方法。此外,为了解决其存储和计算负担,人们更愿意将大量图像存储到远程云服务器。然而,在享受便利的同时,将包含大量敏感信息的图像