基于微粒群算法的圖像分割算法研究.pdf

1、圖像分割是很多高級圖像處理技術(如可視化、圖像壓縮、醫(yī)學圖像診斷等)的重要基礎工作。迄今為止,已經有很多種不同的圖像分割方法提出。閾值法因其實現的簡單性而成為圖像分割領域的一種重要方法。但是對于復雜的實時圖像分割問題,閾值法的高耗時性已經成為該方法發(fā)展的一個障礙。因此,尋求一種高效的算法來解決基于閾值法的圖像分割問題具有重要意義。 微粒群優(yōu)化算法是一種新近出現的啟發(fā)式全局優(yōu)化算法。由于算法的易實現性和高效性,因此受到了人們的廣泛

2、關注。它已成為與遺傳算法、禁忌搜索算法以及模擬退火算法并行發(fā)展的一種全局優(yōu)化算法。 本文首先針對模式識別中原始特征數量大而有冗余的現象,提出了一種基于PSO算法的特征選擇方法。選取歐氏距離函數為特征選擇的可分性判據,以用于圖像分割的Ostu法為例,用PSO算法優(yōu)化了閾值的求取。 其次,研究了基于二維模糊熵的圖像分割方法,針對二維模糊最大熵圖像分割方法求取閾值時存在的計算復雜、時間長、實用性差等問題,提出了基于量子行為的微

3、粒群算法的二維最大熵圖像分割方法。該方法運用量子行為的微粒群算法對圖像的二維閾值空間進行全局搜索,并將搜索得到的二維熵最大值所對應的點灰度.區(qū)域灰度均值作為閾值進行圖像分割。實驗結果表明,QPSO較標準PSO及GA優(yōu)化算法更具優(yōu)越性,其算法不僅參數個數少、隨機性強,并且能覆蓋所有解空間,保證算法的全局收斂。本文算法在執(zhí)行時間與收斂性方面得到了令人滿意的分割效果.是一種實用有效的圖像分割方法。 最后為了進一步提高算法的有效性,提出