论文部分内容阅读
本文主要针对图像分割问题进行研究,通过广泛的算法对比,选择使用人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)完成图像边缘检测,结合模糊C均值聚类算法完成图像分割实验。 由于该算法具有对初值和参数选择不敏感、鲁棒性强、简单、易于实现,且具备并行处理能力和全局搜索能力等方面优点,因此在图像分割技术中的关键问题----极值问题的优化处理效果较为突出。所以,文章在着重利用AFSA的优点的同时对AFSA不完善的地方进行改进,将改进后的AFSA算法应用在图像边缘检测,然后推广到通用图像的分割技术中。主要研究工作如下: 首先,提出了一种基于差分进化变异算子的人工鱼群算法,将变异算子引入到人工鱼群算法中,对人工鱼的个体行为进行了优化改进,提高了原算法的收敛速度和抗噪性能,并应用到图像边缘检测中,得到较理想的分割效果。 其次,将人工鱼群算法的应用推广到通用图像分割技术中,利用人工鱼群算法的自适应的特点,通过对人工鱼群算法的改进,提出了基于模糊C均值聚类的人工鱼群算法,解决了传统模糊C均值算法需要确定初始分类数和初始聚类中心的问题。通过图像分割仿真实验与收敛值的对比,证明了此算法具有较好的分割效果。 总之,论文就人工鱼群图像分割算法进行了研究和探讨,通过多种手段改进了人工鱼群算法的收敛速度。最后通过对灰度图像的实验仿真表明了提出算法的有效性,拓展了人工鱼群算法的应用范围。