本文關鍵詞：基于FODPSO算法的圖像分割及DSP實現(xiàn)

  更多相關文章： 分數(shù)階達爾文粒子群算法 圖像分割 多尺度 TMS320VC5509A OV7670

【摘要】：圖像分割主要用于提取用戶感興趣的目標,是圖像分類和識別的基礎。本文采用一種基于分數(shù)階達爾文粒子群算法FODPSO的圖像分割方法,該算法采用分數(shù)階微積分去控制系統(tǒng)收斂性,能夠快速高效對n尺度圖像進行n-1個閾值尋優(yōu)計算。本文著重研究基于分數(shù)階達爾文粒子群算法FODPSO的圖像分割。群智能算法種類繁多,不同算法適應能力不同,因此有必要進行群智能算法性能對比,將最優(yōu)算法移植于DSP實現(xiàn),這具有重要的實際意義。1.本文選取了遺傳算法GA、模擬退火算法SA、蟻群算法ACO、人群搜索算法SOA、基本粒子群算法PSO、帶慣性權值的粒子群算法APSO、帶壓縮因子的粒子群算法CFPSO、達爾文粒子群算法DPSO、分數(shù)階達爾文粒子群算法FODPSO進行分析,分別對其算法原理以及算法流程做了詳細的介紹。2.考慮到算法適應能力,本文選取算法求解目標函數(shù)值平均值、目標函數(shù)值標準偏差和CPU計算時間作為算法評價指標,分別選取了雙目標函數(shù)優(yōu)化、三目標函數(shù)優(yōu)化、多尺度圖像分割測試實驗,通過GA、SA、ACO、SOA、PSO、APSO、CFPSO、 DPSO、FODPSO算法對比實驗,FODPSO算法具有收斂速度快、穩(wěn)定性強、精度高、全局尋優(yōu)等特點,有效地克服了算法易陷入局部最優(yōu)和收斂速度慢等缺陷。3.TI公司的TMS320VC5509A芯片具有體積小巧、開發(fā)成本低、性能可靠等特點,能夠較好的適應靜態(tài)圖像處理。本文采用TMS320VC5509A開發(fā)板驅(qū)動CMOS攝像頭OV7670采集圖像,并由FODPSO算法最終完成圖像分割。4.本文由MATLAB進行算法仿真,基于CCS3.3平臺,將綜合性能最佳的FODPSO算法移植于DSP實現(xiàn),完成了多尺度圖像分割實驗。本文基于TMS320VC5509A開發(fā)板和OV7670攝像頭的最小圖像分割系統(tǒng)設計,對于實際應用具有重要的價值與意義。
【關鍵詞】：分數(shù)階達爾文粒子群算法 圖像分割 多尺度 TMS320VC5509A OV7670
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-16
• 1.1 本文研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 DSP圖像處理研究現(xiàn)狀11-12
• 1.2.2 圖像分割算法研究現(xiàn)狀12-14
• 1.3 本文主要工作14-15
• 1.4 本文章節(jié)安排15-16
• 第2章 DSP圖像處理系統(tǒng)設計16-23
• 2.1 硬件系統(tǒng)整體方案16
• 2.2 DSP開發(fā)平臺16-21
• 2.2.1 DSP芯片選型16-18
• 2.2.2 GPIO功能18
• 2.2.3 C5509A與SDRAM接口實現(xiàn)18-19
• 2.2.4 C5509A與FLASH接口實現(xiàn)19-20
• 2.2.5 C5509A與AL422B接口實現(xiàn)20
• 2.2.6 C5509A外部引腳EMIF20-21
• 2.3 OV7670攝像頭21-22
• 2.4 本章小結(jié)22-23
• 第3章 群智能優(yōu)化算法原理分析23-40
• 3.1 遺傳算法24-26
• 3.2 模擬退火算法26-27
• 3.3 蟻群算法27-28
• 3.4 人群搜索算法28-31
• 3.4.1 搜索步長28-29
• 3.4.2 搜索方向的確定29
• 3.4.3 個體位置的更新29-31
• 3.5 粒子群算法31-39
• 3.5.1 基本粒子群算法31-32
• 3.5.2 帶慣性權重的粒子群算法32-33
• 3.5.3 帶壓縮因子的粒子群算法33
• 3.5.4 達爾文粒子群算法33-36
• 3.5.5 分數(shù)階達爾文粒子群算法36-39
• 3.6 本章小結(jié)39-40
• 第4章 群智能優(yōu)化算法應用與性能對比40-61
• 4.1 雙目標函數(shù)優(yōu)化40-45
• 4.1.1 測試函數(shù)選取40-42
• 4.1.2 雙目標優(yōu)化求解42-45
• 4.2 三目標函數(shù)優(yōu)化45-48
• 4.2.1 適應度函數(shù)構建45-47
• 4.2.2 三目標優(yōu)化求解47-48
• 4.3 多尺度圖像分割48-60
• 4.3.1 N尺度閾值分割模型49-51
• 4.3.2 圖像閾值分割51-60
• 4.4 本章小結(jié)60-61
• 第5章 基于DSP的圖像分割實驗系統(tǒng)設計與實現(xiàn)61-78
• 5.1 C5509A與OV7670引腳設置61-62
• 5.2 DSP軟件開發(fā)平臺62-63
• 5.2.1 CCS3.3軟件介紹62-63
• 5.2.2 CCS3.3圖像顯示63
• 5.3 圖像采集功能實現(xiàn)63-66
• 5.4 圖像預處理66-68
• 5.4.1 直方圖均衡化66-67
• 5.4.2 中值濾波67-68
• 5.5 基于DSP的FODPSO圖像分割實現(xiàn)68-71
• 5.6 DSP與MATLAB聯(lián)合仿真71-77
• 5.6.1 乒乓球分割72-74
• 5.6.2 人臉分割74-77
• 5.7 本章小結(jié)77-78
• 結(jié)論與展望78-79
• 致謝79-80
• 參考文獻80-84
• 攻讀碩士學位期間發(fā)表的論文及科研成果84-85
• 附錄85-101

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應用[J];成都信息工程學院學報;2007年02期

2 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡的圖像分割[J];信息技術;2008年09期

3 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動化;2009年11期

4 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國科學技術大學學報;2010年02期

5 李丹;;圖像分割方法及其應用研究[J];科技信息;2010年36期

6 龔永義;黃輝;于繼明;關履泰;;基于熵的兩區(qū)域圖像分割[J];中國圖象圖形學報;2011年05期

7 張甫;李興來;陳佳君;;淺談圖像分割方法的研究運用[J];科技創(chuàng)新與應用;2012年04期

8 汪梅;何高明;賀杰;;常見圖像分割的技術分析與比較[J];計算機光盤軟件與應用;2013年06期

9 魏慶;盧照敢;邵超;;基于復雜性指數(shù)的圖像分割必要性判別技術[J];計算機工程與應用;2013年16期

10 陳曉丹;李思明;;圖像分割研究進展[J];現(xiàn)代計算機(專業(yè)版);2013年33期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 楊魁;趙志剛;;圖像分割技術綜述[A];2008年中國高校通信類院系學術研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進的脈沖耦合神經(jīng)網(wǎng)絡及其在圖像分割中的應用[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學圖像中應用現(xiàn)狀綜述[A];2009中華醫(yī)學會影像技術分會第十七次全國學術大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術及其醫(yī)學應用[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學術論壇（交通運輸工程學科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術的研究與應用進展[A];中華中醫(yī)藥學會中醫(yī)診斷學分會第十次學術研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術在醫(yī)學CT中的應用[A];中國自動化學會控制理論專業(yè)委員會A卷[C];2011年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學;2014年

2 黃萬里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學;2015年

3 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學;2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學;2014年

5 潘改;偏微分方程在圖像分割中的應用研究[D];東北大學;2013年

6 馮籍瀾;高分辨率SAR圖像分割與分類方法研究[D];電子科技大學;2015年

7 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學技術大學;2014年

8 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復雜圖像分割[D];西安電子科技大學;2014年

9 帥永e，

本文編號：741633