【摘要】：在交通領(lǐng)域,交通圖像的種類繁多,包括車牌圖像、車輛圖像、道路圖像以及交通標(biāo)志圖像,而且交通圖像容易受到噪聲的污染,因此研究交通圖像處理技術(shù)具有重要意義。交通圖像分割結(jié)果直接影響交通圖像的后續(xù)處理,而傳統(tǒng)的基于聚類的交通圖像分割算法存在適應(yīng)性不強(qiáng)且容易陷入局部最優(yōu)的缺陷。由于混沌優(yōu)化算法具有較強(qiáng)的全局搜索能力,本文通過對混沌優(yōu)化算法進(jìn)行研究,針對混沌優(yōu)化算法存在的不足進(jìn)行改進(jìn),并將改進(jìn)后的并行混沌和聲搜索算法應(yīng)用到交通圖像分割當(dāng)中,提出了并行混沌和聲搜索聚類算法。此外,本文還將混沌運(yùn)用到多目標(biāo)優(yōu)化問題,提出了多目標(biāo)混沌優(yōu)化算法,通過將多目標(biāo)混沌優(yōu)化算法運(yùn)用到交通圖像分割當(dāng)中,提出了多目標(biāo)混沌優(yōu)化聚類算法。本文的主要研究工作分為以下四大塊:雖然混沌優(yōu)化算法具有很強(qiáng)的全局搜索能力,但是混沌優(yōu)化算法存在對初始值較為敏感且局部搜索能力不足的缺陷。針對混沌優(yōu)化算法對初始值較為敏感,采用并行混沌搜索的機(jī)制進(jìn)行改進(jìn);針對混沌優(yōu)化算法局部搜索能力不足,將其與和聲搜索算法相結(jié)合。通過引入交叉操作以及合并操作,將混沌用于對多目標(biāo)問題進(jìn)行優(yōu)化,本文提出了多目標(biāo)混沌優(yōu)化算法。該算法首先運(yùn)用混沌載波進(jìn)行全局搜索,然后再通過交叉操作以及合并操作進(jìn)行局部尋優(yōu)。此外,通過加入自適應(yīng)變化的噪聲,多目標(biāo)混沌優(yōu)化算法的自適應(yīng)性得到加強(qiáng),與此同時(shí),優(yōu)化效果也得到進(jìn)一步提升。通過將并行混沌和聲搜索算法與聚類技術(shù)相結(jié)合,本文提出了并行混沌和聲搜索聚類算法,并將該算法與硬聚類算法以及模糊聚類算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明,并行混沌和聲搜索聚類算法相比硬聚類算法以及模糊聚類算法具有更好的交通圖像分割效果。通過將多目標(biāo)混沌優(yōu)化算法與聚類技術(shù)相結(jié)合,本文提出了多目標(biāo)混沌優(yōu)化聚類算法。通過實(shí)驗(yàn)仿真,確定了多目標(biāo)混沌優(yōu)化聚類算法的優(yōu)化指標(biāo):XB和Jm。最后,將多目標(biāo)混沌優(yōu)化聚類算法與并行混沌和聲搜索聚類算法以及多目標(biāo)遺傳優(yōu)化聚類算法進(jìn)行對比,實(shí)驗(yàn)結(jié)果表明多目標(biāo)混沌優(yōu)化聚類算法具有更好的適應(yīng)性和交通圖像分割效果。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U491
【圖文】：

Ｃｊｆｅ）逡逑圖２．１經(jīng)典混沌優(yōu)化算法流程圖逡逑圖２．１為經(jīng)典混沌優(yōu)化算法的流程圖。根據(jù)混沌的遍歷性可知，混沌優(yōu)化算逡逑法全局搜索能力強(qiáng)，不容易陷入局部最優(yōu)。由于混沌對初始值具有敏感依賴性，逡逑因此混沌優(yōu)化算法對初始值比較敏感；此外，當(dāng)優(yōu)化變量的取值范圍較大或者優(yōu)逡逑化變量的數(shù)目較多時(shí)，混沌優(yōu)化算法的搜索過程會(huì)比較耗時(shí)，因此混沌優(yōu)化算法逡逑的局部搜索能力需要加強(qiáng)。逡逑２．３混沌優(yōu)化算法的改進(jìn)逡逑２．３．１并行混沌優(yōu)化算法逡逑雖然混沌運(yùn)動(dòng)在一定的范圍內(nèi)具有遍歷性，但是由于混沌序列對于初始狀態(tài)逡逑具有敏感依賴性，從一些混沌初始狀態(tài)出發(fā)可能需要迭代很多次才能夠找到全局逡逑最優(yōu)解，因而可以考慮從多個(gè)初始點(diǎn)出發(fā)進(jìn)行并行搜索。基于此，本文采用了并逡逑行混沌優(yōu)化的機(jī)制進(jìn)行改進(jìn)，并行混沌優(yōu)化的基本步驟如下：逡逑⑴初始化逡逑初始化最大迭代次數(shù)Ｎ

邐邐逡逑（３）進(jìn)行迭代搜索，從Ｐ個(gè)并行最優(yōu)值ｆＭｉｅｌｐ］）中得到當(dāng)前最優(yōu)值ｒ邋＝逡逑并行混沌搜索的基本流程圖２．２所示：逡逑Ｃ開始）逡逑，邐Ｘ逡逑初始化Ｐ組并行混沌變量逡逑！邐邋．邋￣ｎ逡逑通過載波得到Ｐ組優(yōu)化變ｉ的取值，進(jìn)行混沌搜索｜逡逑！逡逑運(yùn)用Ｌｏｇｉｓｔｉｃ映射更新混純變量逡逑輸出Ｐ組混沌變量中的最優(yōu)值ｆ＊以及最優(yōu)解ｘ＊逡逑ｒ逡逑圖２．２并行混沌優(yōu)化算法流程圖逡逑２．３．２和聲搜索算法逡逑和聲搜索算法是受音樂創(chuàng)作過程的啟發(fā)提出的一種智能優(yōu)化算法，在音樂演逡逑奏中，樂師們憑借自己的記憶，通過反復(fù)調(diào)整樂隊(duì)中各樂器的音調(diào)，最終達(dá)到一逡逑種比較美妙的和聲狀態(tài)。創(chuàng)作一個(gè)新和聲主要有三種方式［４Ｇ］：邋１）直接從和聲記憶逡逑庫中選取和聲分量；２）微調(diào)和聲記憶庫中的和聲分量，即加入擾動(dòng)；３）隨機(jī)生逡逑成一個(gè)和聲分量。逡逑和聲搜索算法的基本操作主要有：逡逑Ｓｔｅｐｌ：初始化優(yōu)化目標(biāo)函數(shù)并確定算法參數(shù)逡逑通常情況下，優(yōu)化目標(biāo)函數(shù)可以用如下數(shù)學(xué)公式表示：逡逑ｓ．ｔ．邋Ｘｊ邋Ｅ邋［ＬＢｊ，ＵＢ」，ｊ邋＝邋１，２，３，…ｎ逡逑式中代表目標(biāo)函數(shù)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇騰飛;李洪玉;屈忠義;;高分辨率遙感圖像道路分割算法[J];國土資源遙感;2015年03期

2 盧盛榮;劉禮鋒;李翠華;;基于顏色分割和多特征融合的交通標(biāo)志檢測[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

3 肖曉明;馬智;蔡自興;唐t;;一種自適應(yīng)的區(qū)域生長算法用于道路分割[J];控制工程;2011年03期

4 張靜;何明一;戴玉超;屈曉剛;;多特征融合的圓形交通標(biāo)志檢測[J];模式識別與人工智能;2011年02期

5 王戈壯;張?zhí)?游飛;;一種基于邊緣信息的車牌圖像分割方法[J];計(jì)算機(jī)應(yīng)用與軟件;2008年12期

6 黃濤;馬江華;;一種基于紋理的車輛圖像分割與提取算法[J];計(jì)算機(jī)與數(shù)字工程;2008年07期

7 袁小芳;王耀南;吳亮紅;;基于競爭-協(xié)作式信息交互的并行混沌優(yōu)化算法研究[J];控制與決策;2007年09期

8 湯暉;李潤;許倫輝;黃艷國;;基于貪心退火遺傳算法的車輛圖像分割研究[J];交通與計(jì)算機(jī);2007年04期

9 鄭曉東,黃心漢,王敏;基于小波分解的車牌圖像分割[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

10 黃志勇,孫光民,李芳;基于RGB視覺模型的交通標(biāo)志分割[J];微電子學(xué)與計(jì)算機(jī);2004年10期

相關(guān)博士學(xué)位論文 前2條

1 周昱;智能交通系統(tǒng)中運(yùn)動(dòng)目標(biāo)的自動(dòng)分析技術(shù)研究[D];華中科技大學(xué);2012年

2 吳亮紅;多目標(biāo)動(dòng)態(tài)差分進(jìn)化算法及其應(yīng)用研究[D];湖南大學(xué);2011年

相關(guān)碩士學(xué)位論文 前9條

1 謝德武;基于模糊聚類的圖像分割方法的研究[D];電子科技大學(xué);2017年

2 陳元X;改進(jìn)的FCM算法在腦部圖像分割中的應(yīng)用研究[D];大連海事大學(xué);2017年

3 戴香山;多目標(biāo)和聲搜索算法及其在交通圖像分割中的應(yīng)用[D];湖南大學(xué);2016年

4 侯麗麗;面向圖像分割的空間信息約束的模糊聚類算法研究[D];華東師范大學(xué);2016年

5 郭瑞;基于模糊聚類的圖像分割方法的研究[D];吉林大學(xué);2015年

6 買月梅;基于模糊聚類算法的圖像分割研究[D];蘭州交通大學(xué);2014年

7 江彬;混合智能算法在彩色圖像分割中的應(yīng)用研究[D];廣東工業(yè)大學(xué);2007年

8 李艷紅;基于模糊聚類分析的圖像分割算法研究[D];武漢理工大學(xué);2007年

9 田東平;一種結(jié)合混沌搜索的自適應(yīng)遺傳算法[D];上海師范大學(xué);2007年

本文編號：2740583