论文部分内容阅读
图像分割是图像处理与计算机视觉领域中最为基础和关键的任务之一,是对图像进行视觉分析和模式识别的前提。因此,快速、高效的分割算法一直是研究人员的关注热点。本文利用2000年以后产生的细菌觅食算法等新一代群体智能算法研究图像分割新方法与新技术,主要研究成果归纳如下:(1)提出了一种基于直方图预处理与细菌觅食算法的含噪图像单阈值分割方法。该方法首先通过小波变换抑制图像中的噪声,然后分析增强图像的直方图特点以缩小分割阈值的分布范围,接下来,以二维最大类间方差法为原则设计分割目标函数,最后利用BF算法快速搜索最优分割阈值。实验结果表明,该方法在收敛速度、稳定性和分割效果三个方面均优于基于遗传算法、人工鱼群算法等其它群体智能的分割方法。(2)深入分析基本人工蜂群算法的原理和特点,提出了一种基于模糊ABC算法的空间域SAR图像单阈值分割方法。该方法利用灰度形态学算子抑制图像噪声,根据抑噪图像的直方图特征缩小阈值范围,同时引入模糊隶属度函数优化蜂的运动轨迹,快速搜索最优分割阈值。实验结果表明,该方法不仅能有效抑制可见光图像和真实SAR图像中的斑点噪声,而且分割速度与分割质量明显优于基于遗传算法和人工鱼群算法的分割方法。(3)针对穷举式算法搜索高维阈值时计算复杂的问题,提出了一种基于布谷鸟搜索算法的多阈值图像分割方法。该方法以大津法(Otsu)设计智能个体的适应度函数,利用布谷鸟搜索算法良好的并行寻优性能,快速、准确地找到待分割图像的最优阂值。实验结果表明,与细菌觅食算法和人工蜂群算法相比,布谷鸟搜索算法的寻优速度更快,找到的阂值更为准确。