基于膜计算的图像分割方法研究

来源 :西华大学 | 被引量 : 0次 | 上传用户:baby3911
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
膜计算(P系统)是从生物细胞以及由细胞组成的组织和器官的功能和结构中抽象出来的计算模型。P系统的分布式、极大并行性、非确定性以及膜优化算法的较好的适应性、较强的寻优能力对于求解复杂优化问题具有一定的优越性。如何将P系统中这些特征和优势应用于图像处理,对于拓展P系统的应用范围和研究新的图像处理算法都具有重要的意义。本文重点关注于P系统在图像分割上的应用。本文基于组织型P系统的机制和并行计算优势,并结合经典的最大类间方差法(Otsu)和最佳熵法(KSW)原理探讨了基于P系统的单阈值图像分割和多阈值图像分割。所取得的创新成果如下:(1)提出了一种基于组织型P系统的单阈值分割方法。设计了一个两层膜的组织型P系统。结合Otsu准则和KSW准则,通过该P系统的进化规则和转运规则搜索最佳分割阈值。通过与传统阈值方法和基于遗传算法的阈值方法的比较验证了所提出的阈值方法的有效性和可行性。(2)提出了一种基于组织型P系统的多阈值分割方法。依据所开发的组织P系统的机制,并结合多阈值分割原理为图像多阈值分割搜索最佳的多阈值。通过与传统多阈值方法和基于遗传算法的多阈值方法的比较验证了所提出的多阈值方法的有效性和可行性。
其他文献
人脸检测是指对输入图像或视频序列进行检测,以确定其是否包含人脸,并对包含人脸的数据提取其大小、形状、姿态和位置等信息的过程。人脸检测技术是机器视觉、模式识别和人工智
在过去,传统的奈奎斯特采样定理一直统治着信号处理领域。随着人们对信息需求量的日益增加,信号的带宽越来越宽,在信息获取中对采样速率和处理速度等的要求也越来越高,这无疑
学位
图形处理器(GPU)具有很强的并行处理能力,并且计算成本低,利用GPU加速字符串操作已经成为了当前并行计算领域的研究热点。近似字符串匹配技术在病毒检测、文件检索、计算生物学等
为了有效利用Deep Web中丰富的信息,当前的许多研究多集中于对Deep Web数据集成中子问题的研究。而在这些子问题中,Web数据库选择是影响Deep Web数据集成质量的重要因素之一
近十几年来,数字多媒体正在逐渐渗透到人们的日常生活中。在各种各样的多媒体信息中,数字图像占据了非常重要的位置。但是随着图像处理技术的发展,对图像的编辑修改等操作变得非
最近,机器学习领域出现了一系列基于多层神经网络架构的学习方法,称为深度学习方法。深度置信网络作为经典的深度学习方法,可以包含较多隐藏层,可以更好的学习各种复杂数据的
分类是机器学习领域的重要研究方向之一,经过多年发展形成了一些较为成熟的算法,并在实际中取得成功的应用。这些传统的分类算法以分类正确率作为最大的目标,且假定数据集中各类
模式匹配是计算机应用领域重要的研究方向,广泛应用于入侵检测、信息检索、生物科学计算等方面。随着计算机网络技术的飞速发展,数字信息量出现了爆炸式增长。如何提高模式匹
随着网络的发展和电力系统管理的需要,大量的异构数据源应运而生。但是在电力系统信息化建设过程中需要将一些分布的、异构的数据根据应用需求集成起来。传统的数据集成方法缺乏对形式化语义的描述,使得集成过程中常常出现的语义缺失的问题。本文研究的就是利用本体来建立一个语义保持的数据集成系统。本文首先对国内外研究现状进行叙述,对几种传统的数据集成技术进行的介绍并论述了优缺点,接着对数据集成概念进行了阐述,再次基