【摘要】：精確的圖像分割在圖像處理中起著關(guān)鍵的作用.然而傳統(tǒng)分割方法由于幾何變形、圖像噪聲、顏色紋理變化等眾多因素的影響呈現(xiàn)出計(jì)算量大、分割精度較低等特征,難以提高圖像處理的分割精度.當(dāng)前,交叉熵被廣泛應(yīng)用于多水平閾值的提取,為此,各種智能優(yōu)化算法被提出尋找不同水平閾值的最優(yōu)組合,使交叉熵最小,以期能在一定的時(shí)間范圍內(nèi)有效地解決這一問(wèn)題.由于螢火蟲(chóng)算法具有尋優(yōu)性能優(yōu)越、參數(shù)少且計(jì)算簡(jiǎn)便等特點(diǎn),此外,量子計(jì)算具有量子并行的特點(diǎn),能使經(jīng)典算法加快運(yùn)行速度.針對(duì)基本量子螢火蟲(chóng)算法(QFA)早熟、易陷入局部最優(yōu)的缺陷,本文提出了基于三種組合策略的量子螢火蟲(chóng)算法,將最小交叉熵作為目標(biāo)函數(shù),并將它應(yīng)用在賀蘭山巖畫(huà)及經(jīng)典圖像的多閾值分割問(wèn)題上,取得了較好的效果.相關(guān)工作如下:(1)概述了螢火蟲(chóng)算法、量子計(jì)算及圖像分割理論,并將螢火蟲(chóng)算法應(yīng)用在一典型多峰函數(shù)上進(jìn)行了性能測(cè)驗(yàn),分析了螢火蟲(chóng)算法的優(yōu)缺點(diǎn).(2)研究了用于基本量子螢火蟲(chóng)算法改進(jìn)的三種策略,分別為:自適應(yīng)步長(zhǎng)調(diào)整策略、廣義精英反向?qū)W習(xí)策略及邊界控制策略.將三種策略相互組合應(yīng)用在基本量子螢火蟲(chóng)算法中,提出了三種改進(jìn)的量子螢火蟲(chóng)算法,即AQFA、AQFA_1、AQFA_2.AQFA_2即為自適應(yīng)量子螢火蟲(chóng)算法.并在10個(gè)基準(zhǔn)測(cè)試函數(shù)對(duì)改進(jìn)的算法進(jìn)行試驗(yàn),結(jié)果表明在一定條件下自適應(yīng)量子螢火蟲(chóng)算法綜合優(yōu)化性能更佳,在求解多維函數(shù)中具有較強(qiáng)的優(yōu)勢(shì),能夠有效提高高維函數(shù)計(jì)算速率,節(jié)省計(jì)算時(shí)間.(3)將改進(jìn)的量子螢火蟲(chóng)算法應(yīng)用于經(jīng)典圖像及賀蘭山巖畫(huà)圖像分割研究.本文取最小交叉熵作為適應(yīng)度函數(shù),結(jié)果表明,利用改進(jìn)的基本量子螢火蟲(chóng)算法即自適應(yīng)量子螢火蟲(chóng)算法提升了獲取分割圖像閾值的計(jì)算速度,縮短了分割時(shí)間,實(shí)例證明無(wú)論在MSSIM還是PSNR方面,都得到了顯著的提升.因此本文提出的AQFA_2算法為圖像分割提供了有效的方法.
【圖文】：

像素并設(shè)置為黑色．閾值的成功與否取決于閾值的選�。义弦话銇�(lái)說(shuō)，全局閾值分割技術(shù)在圖像的目標(biāo)與背景完全可分的情況下可以取得較好的分割逡逑效果，在圖像直方圖中可以看到明顯的“雙峰”直方圖分布，也就是說(shuō)，圖２．１所示的凹槽部分就逡逑是所要尋找的最佳分割閾值位置，以該位置的值進(jìn)行圖像分割．逡逑ｉ邋ｉ逡逑Ｐ逡逑像逡逑素逡逑個(gè)逡逑數(shù)逡逑邐＼＼＼邐＇邋，逡逑Ｔ邐２５５逡逑圖２．１：雙峰直方圖分布逡逑Ｆｉｇｕｒｅ邋２．１：邋ｂｉｍｏｄａｌ邋ｈｉｓｔｏｇｒａｍ邋ｄｉｓｔｒｉｂｕｔｉｏｎ逡逑在本文中，將給定圖像的閾值搜索過(guò)程看作一個(gè)約束優(yōu)化問(wèn)題．對(duì)于雙級(jí)閾值，問(wèn)題就轉(zhuǎn)化逡逑－９－逡逑

像素并設(shè)置為黑色．閾值的成功與否取決于閾值的選�。义弦话銇�(lái)說(shuō)，，全局閾值分割技術(shù)在圖像的目標(biāo)與背景完全可分的情況下可以取得較好的分割逡逑效果，在圖像直方圖中可以看到明顯的“雙峰”直方圖分布，也就是說(shuō)，圖２．１所示的凹槽部分就逡逑是所要尋找的最佳分割閾值位置，以該位置的值進(jìn)行圖像分割．逡逑ｉ邋ｉ逡逑Ｐ逡逑像逡逑素逡逑個(gè)逡逑數(shù)逡逑邐＼＼＼邐＇邋，逡逑Ｔ邐２５５逡逑圖２．１：雙峰直方圖分布逡逑Ｆｉｇｕｒｅ邋２．１：邋ｂｉｍｏｄａｌ邋ｈｉｓｔｏｇｒａｍ邋ｄｉｓｔｒｉｂｕｔｉｏｎ逡逑在本文中，將給定圖像的閾值搜索過(guò)程看作一個(gè)約束優(yōu)化問(wèn)題．對(duì)于雙級(jí)閾值，問(wèn)題就轉(zhuǎn)化逡逑－９－逡逑
【學(xué)位授予單位】：寧夏大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP18;TP391.41;TP38

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃玲;石玉秋;覃永新;;基于小波融合的蘋(píng)果圖像分割的研究[J];科技視界;2018年29期

2 侯紅英;高甜;李桃;;圖像分割方法綜述[J];電腦知識(shí)與技術(shù);2019年05期

3 姚霆;張煒;劉金根;;基于深度學(xué)習(xí)的圖像分割技術(shù)[J];人工智能;2019年02期

4 丁翠;;基于模糊信息處理的圖像分割方法研究[J];信息系統(tǒng)工程;2017年11期

5 王平;魏征;崔衛(wèi)紅;林志勇;;一種基于統(tǒng)計(jì)學(xué)習(xí)理論的最小生成樹(shù)圖像分割準(zhǔn)則[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2017年07期

6 李然;李記鵬;宋超;;基于顯著性檢測(cè)的協(xié)同圖像分割研究[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2017年24期

7 鄧惠俊;;一種基于數(shù)據(jù)場(chǎng)的圖像分割方法與研究[J];長(zhǎng)春工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2016年02期

8 李繼云;冀卿偉;;基于自適應(yīng)局部閾值的交互式圖像分割[J];計(jì)算機(jī)應(yīng)用與軟件;2014年11期

9 劉印;;對(duì)圖像分割方法的認(rèn)識(shí)及新進(jìn)展研究[J];數(shù)碼世界;2018年08期

10 楊成佳;;唇紋識(shí)別圖像分割系統(tǒng)的研究[J];山西青年;2017年11期

相關(guān)會(huì)議論文 前10條

1 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

2 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年

3 朱士蓉;謝昭;高雋;;一種圖模型下的柔性圖像分割方法[A];中國(guó)儀器儀表學(xué)會(huì)第十二屆青年學(xué)術(shù)會(huì)議論文集[C];2010年

4 朱松豪;劉佳偉;羅青青;胡榮林;;基于關(guān)聯(lián)模型的圖像分割[A];第26屆中國(guó)控制與決策會(huì)議論文集[C];2014年

5 張志會(huì);王華英;熊南燕;廖薇;成惠;劉飛飛;;對(duì)基于圖像分割與合并的相位展開(kāi)算法的改進(jìn)[A];第十屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

6 楊加文;謝鳳英;;基于深度學(xué)習(xí)的皮膚鏡圖像分割[A];第十五屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2017年

7 郭世可;董槐林;龍飛;張海波;;一種結(jié)合密度聚類(lèi)和區(qū)域生長(zhǎng)的圖像分割方法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

8 劉智勇;李進(jìn);黃道君;;基于遺傳算法的視頻交通量檢測(cè)圖像分割方法[A];中國(guó)體視學(xué)學(xué)會(huì)圖像分析專(zhuān)業(yè)、中國(guó)體視學(xué)學(xué)會(huì)仿真與虛擬現(xiàn)實(shí)專(zhuān)業(yè)、中國(guó)航空學(xué)會(huì)信號(hào)與信息處理專(zhuān)業(yè)第一屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2000年

9 張萍;單筱攸;巴成賀;;主動(dòng)脈圖像分割的研究與實(shí)現(xiàn)[A];第十二屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2008年

10 趙建業(yè);余道衡;;一種基于模糊細(xì)胞神經(jīng)網(wǎng)絡(luò)的多值圖像分割新方法[A];中國(guó)體視學(xué)學(xué)會(huì)圖像分析專(zhuān)業(yè)、中國(guó)體視學(xué)學(xué)會(huì)仿真與虛擬現(xiàn)實(shí)專(zhuān)業(yè)、中國(guó)航空學(xué)會(huì)信號(hào)與信息處理專(zhuān)業(yè)第一屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2000年

相關(guān)重要報(bào)紙文章 前1條

1 趙利利;圖像分割出新方法[N];中國(guó)科學(xué)報(bào);2019年

相關(guān)博士學(xué)位論文 前10條

1 古晶;基于稀疏特征學(xué)習(xí)的SAR圖像分割與半監(jiān)督分類(lèi)方法研究[D];西安電子科技大學(xué);2016年

2 段一平;基于層次視覺(jué)計(jì)算和統(tǒng)計(jì)模型的SAR圖像分割與理解[D];西安電子科技大學(xué);2017年

3 胡佩君;腹部CT圖像分割的可計(jì)算建模方法研究[D];浙江大學(xué);2018年

4 姜楓;基于語(yǔ)義識(shí)別的砂巖薄片圖像分割方法研究[D];南京大學(xué);2018年

5 趙曉麗;面向圖像分割的智能算法研究[D];上海大學(xué);2018年

6 倪波;高強(qiáng)度聚焦超聲圖像分割方法研究[D];武漢大學(xué);2016年

7 彭自立;用于交互式圖像分割的自適應(yīng)表觀(guān)分離[D];湖南師范大學(xué);2018年

8 瞿紹軍;基于最優(yōu)化理論的圖像分割方法研究[D];湖南師范大學(xué);2018年

9 王森;非受限場(chǎng)景裂紋圖像分割方法研究[D];昆明理工大學(xué);2017年

10 王濤;特征度量與信息傳遞的交互式圖論分割方法研究[D];南京理工大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 欒晶;基于MAP-MRF的圖像分割方法的研究[D];華北電力大學(xué)(北京);2019年

2 肖石林;基于Levy飛行的樹(shù)種優(yōu)化算法及在圖像分割中的應(yīng)用[D];廣西民族大學(xué);2019年

3 李恒恒;面向機(jī)場(chǎng)ROI提取的SAR圖像分割方法研究[D];上海交通大學(xué);2016年

4 劉亮;基于MRF的森林冠層半球圖像分割方法研究[D];東北林業(yè)大學(xué);2019年

5 李潤(rùn)佳;基于LBF算法的樹(shù)木圖像分割方法的研究[D];東北林業(yè)大學(xué);2019年

6 馮忠偉;基于深度學(xué)習(xí)的眼底視網(wǎng)膜圖像分割研究[D];上海交通大學(xué);2018年

7 崔志鵬;基于深度學(xué)習(xí)的圖像分割[D];上海交通大學(xué);2018年

8 張凱文;基于U-Net的肝臟CT圖像分割研究[D];華南理工大學(xué);2019年

9 龐紫玲;基于密度峰值的復(fù)雜任務(wù)多粒度分解求解機(jī)制研究[D];重慶郵電大學(xué);2018年

10 魏家璽;基于計(jì)算機(jī)視覺(jué)的柑橘潰瘍病圖像分割的研究[D];廣西大學(xué);2019年

本文編號(hào)：2590502