【摘要】：隨著信息化時(shí)代的到來,數(shù)字圖像處理的應(yīng)用日趨廣泛,對(duì)圖像處理要求的準(zhǔn)確性和時(shí)效性也越來越高。然而圖像數(shù)據(jù)規(guī)模巨大,處理過程中計(jì)算復(fù)雜性高,很多實(shí)時(shí)應(yīng)用需求傳統(tǒng)算法不能快速有效的解決,因此新型的群體智能算法在圖像處理方法中的應(yīng)用得到了廣泛關(guān)注。煙花算法(Firework Algorithm,FWA)是一種新型的啟發(fā)式算法,其參數(shù)少,全局優(yōu)化能力強(qiáng),不易陷入局部最優(yōu)解,能夠進(jìn)行并行搜索,還具有爆發(fā)性、多樣性等優(yōu)點(diǎn)。已經(jīng)在濾波器設(shè)計(jì)、配電網(wǎng)方案重構(gòu)等領(lǐng)域的得到了廣泛應(yīng)用,目前在圖像處理方面的涉及不是很多。本文主要將煙花算法應(yīng)用在多閾值圖像分割和Gabor小波變換紋理特征選擇問題中,并對(duì)支持向量機(jī)分類器的參數(shù)進(jìn)行優(yōu)化,具體工作如下:1.研究和實(shí)現(xiàn)了煙花算法在圖像多閾值分割優(yōu)化中的應(yīng)用。本文使用最大類間方差法和最小交叉熵法對(duì)圖像進(jìn)行多閾值分割,利用煙花算法加快最優(yōu)閾值的求解速度,并將煙花算法與其他經(jīng)典的進(jìn)化算法進(jìn)行性能對(duì)比。結(jié)果表明,煙花算法在多閾值圖像分割中的應(yīng)用是準(zhǔn)確有效的,其多次運(yùn)行后的適應(yīng)度值標(biāo)準(zhǔn)差比其他算法要小,說明煙花算法的穩(wěn)定性更強(qiáng),解決了傳統(tǒng)圖像多閾值分割方法時(shí)效性和穩(wěn)定性不佳的問題,是一種行之有效的圖像分割方法。2.提出了一種基于二進(jìn)制煙花算法的紋理圖像特征選擇方法。首先對(duì)紋理圖像進(jìn)行Gabor小波變換特征提取,然后利用二進(jìn)制煙花算法對(duì)抽取后的Gabor小波紋理特征進(jìn)行選擇,在不影響分類效果的情況下降低了紋理特征維度。3.研究和實(shí)現(xiàn)了煙花算法在支持向量機(jī)參數(shù)優(yōu)化中的應(yīng)用。將支持向量機(jī)參數(shù)優(yōu)化問題視為組合最優(yōu)化問題進(jìn)行求解,首先采用公開UCI數(shù)據(jù)集驗(yàn)證算法的有效性,然后對(duì)采用Gabor小波進(jìn)行特征提取的紋理圖像進(jìn)行分類,結(jié)果表明,使用煙花算法優(yōu)化參數(shù)的支持向量機(jī)性能良好,分類準(zhǔn)確率令人滿意�？偟膩砜�,本文將煙花算法應(yīng)用到圖像多閾值分割、圖像特征選擇和圖像分類識(shí)別中,實(shí)驗(yàn)結(jié)果表明煙花算法在這些圖像處理應(yīng)用中具有良好的性能,具有很好的應(yīng)用前景。
【學(xué)位授予單位】：湖北工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉篤晉;梁弼;袁小艷;朱加強(qiáng);;基于改進(jìn)布谷鳥算法的彩色圖像多閾值分割[J];計(jì)算機(jī)工程與設(shè)計(jì);2016年12期

2 楊兆龍;劉秉瀚;;基于改進(jìn)差分進(jìn)化算法的多閾值圖像分割[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2016年12期

3 王立平;謝承旺;;一種帶反向?qū)W習(xí)機(jī)制的自適應(yīng)煙花爆炸算法[J];計(jì)算機(jī)科學(xué);2016年S2期

4 方柳平;汪繼文;邱劍鋒;朱林波;蘇守寶;;具有學(xué)習(xí)因子的動(dòng)態(tài)搜索煙花算法[J];計(jì)算機(jī)科學(xué)與探索;2017年03期

5 付小葉;;傅里葉變換與小波分析[J];數(shù)學(xué)建模及其應(yīng)用;2016年02期

6 張以文;吳金濤;趙姝;唐杰;;基于改進(jìn)煙花算法的Web服務(wù)組合優(yōu)化[J];計(jì)算機(jī)集成制造系統(tǒng);2016年02期

7 李雪源;崔穎;;基于二進(jìn)制編碼的煙花聚類算法[J];應(yīng)用科技;2016年01期

8 高雷阜;趙世杰;高鼎;;耦合人工魚群算法在支持向量機(jī)參數(shù)優(yōu)化中的應(yīng)用[J];小型微型計(jì)算機(jī)系統(tǒng);2015年01期

9 湯可宗;柳炳祥;徐洪焱;肖絢;李佐勇;;一種基于遺傳算法的最小交叉熵閾值選擇方法[J];控制與決策;2013年12期

10 劉艷;趙英良;;Otsu多閾值快速求解算法[J];計(jì)算機(jī)應(yīng)用;2011年12期

相關(guān)碩士學(xué)位論文 前2條

1 張艷;基于Gabor濾波器的紋理特征提取研究及應(yīng)用[D];西安科技大學(xué);2014年

2 張楠;關(guān)于支持向量機(jī)中的參數(shù)優(yōu)化的研究[D];西北大學(xué);2008年

本文編號(hào)：2785980