论文部分内容阅读
现在图像处理被应用到了很多行业中,如军事武器系统和医疗影像系统,因此图像处理变得越来越重要。图像分割技术是图像处理众多关键技术中的一种,起步于上个世纪七十年代,到目前为止已经有几十年的历史。目前图像分割算法大部分都是针对灰度图像的二值分割的,只有一少部分考虑了多阈值灰度图像分割。本文提出了一种智能的多阈值灰度图像分割算法,该算法的核心是改进的粒子群优化算法FCLPSO-3,其中FCLPSO表示“Flexible Comprehensive Learning Particle Swarm Optimization"。粒子群优化算法是智能算法的一个新的分支,它的灵感来自于现实世界的群体行为,如鸟群的捕食过程。FCLPSO-3算法的粒子速度更新规则是动态变化的,算法初期,粒子新速度有当前速度、自己当前最优位置和粒子群群体全局最优粒子位置共同决定,此时粒子群在全局最优粒子的牵引下,收敛速度较快;算法中期,粒子新速度有当前速度、自己当前最优位置和该粒子一定范围邻域内的最优粒子位置共同决定,此时粒子群被分成了很多邻域区域,每个邻域区域内粒子向该区域内的最优粒子位置飞去,收敛速度变慢,很好的保持了整个粒子群的多样性;算法后期,粒子新速度有当前速度和榜样粒子当前最优位置共同决定,此时粒子在以粒子当前位置为中心的空间内随机飞行,能帮助粒子群逃离伪局部最优。FCLPSO-3算法初期和中期采用的是保证局部收敛粒子群优化算法GCPSO(Guaranteed Convergence Particle Swarm Optimization)的粒子速度和位置更新规则,整体框架采用的是协作学习粒子群优化算法思想。另外,该算法增加了随机粒子,该随机粒子是粒子群中除了最优粒子外的任意粒子,它的新位置可以是粒子群解空间内任意位置。当算法迭代次数趋于无穷大时,FCLPSO-3算法能保证粒子群收敛到全局最优。最后对两幅经典图像进行了仿真实验,实验结果表明改进算法的图像分割结果非常好。