圖像分割是圖像處理重要的一支,分割結(jié)果的優(yōu)劣會影響圖像分析的準(zhǔn)確性。目前圖像分割主要存在兩個(gè)問題,一是沒有方法能適應(yīng)于大多數(shù)條件下的圖像分割,二是沒有一個(gè)統(tǒng)一標(biāo)準(zhǔn)對分割結(jié)果進(jìn)行評價(jià)。這使得圖像分割的研究仍具有重要意義。基于閾值的分割在圖像分割中應(yīng)用最為廣泛,越來越多的學(xué)者將群體智能優(yōu)化算法（粒子群算法、差分進(jìn)化算法等）與傳統(tǒng)閾值分割方法結(jié)合。將目標(biāo)函數(shù)極值所對應(yīng)的解作為圖像多閾值分割的最優(yōu)閾值。仿生算法包括布谷鳥算法（Cuckoo Search,CS）、螢火蟲算法（Firefly Algorithm,FA）等是近年新興算法,區(qū)別于傳統(tǒng)智能算法,他們能以更少參數(shù)和更優(yōu)機(jī)制達(dá)到更好的效果,在求解復(fù)雜問題優(yōu)化上更快速準(zhǔn)確。將仿生算法與傳統(tǒng)閾值分割算法相結(jié)合,能有效降低噪聲污染,減少時(shí)間損耗并提高運(yùn)算效率。本文對仿生算法進(jìn)行研究并將其用于圖像多閾值分割,主要工作為:（1）本文先對三種仿生算法的原理和機(jī)制進(jìn)行介紹,通過簡單測試驗(yàn)證算法的尋優(yōu)精度和運(yùn)行效率。將改進(jìn)的三種算法用于21個(gè)基準(zhǔn)函數(shù)進(jìn)行測試尋優(yōu),比較三種改進(jìn)算法的尋優(yōu)性能（精度、時(shí)間復(fù)雜度等）。選擇性能較好的蝙蝠算法進(jìn)行深入研究。（2）蝙... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖像分割新的分類框架

圖 1-2 圖像分割新的分類框架分割方法[1]是傳統(tǒng)圖像分割方法的一種，其目的是按照灰度級將圖行劃分，得到的每個(gè)子集形成一個(gè)具有相似屬性的目標(biāo)區(qū)域，應(yīng)解決單一閾值分割效果差的問題，提出基于多閾值的圖像分割方的不同區(qū)域，采用不同的閾值來進(jìn)行分割。該方法能更加精確的不同場景下的分割要求。對于閾值分割方法本身來說，其分割效果直接受到噪聲的影響，對而單一閾值方法并不適應(yīng)于現(xiàn)實(shí)場景的分割要求，為提高分割質(zhì)將閾值分割方法與其他的智能算法或者處理技術(shù)相結(jié)合。在單閾otsu[2]最為常用，但對于傳統(tǒng) otsu 法，它只將灰度信息考慮在內(nèi)，性、像素等信息卻并未考慮，所以當(dāng)原始圖像受到噪聲等其他影直方圖的波峰、波谷分布不明顯會造成劣質(zhì)的分割結(jié)果，并且對于計(jì)算繁瑣耗時(shí)大，無法滿足分割實(shí)時(shí)性的要求。單一閾值分割在處

βπs1 Γ z的表達(dá)式為： 0ztΓ ztedt1(2-10)當(dāng) z 為整數(shù)時(shí)，有 Γ n n 1!指數(shù)分布在趨于無窮的時(shí)候是以指數(shù)的速度趨近于 0，那么以指數(shù)分布為分界線，我們把趨于無窮時(shí)下降速度更快的稱為 Thin-tailed distribution，比如正態(tài)分布，在遠(yuǎn)離峰值的尾部區(qū)域，時(shí)間發(fā)生的概率更低一些。與此相對的，把趨于無窮時(shí)下降速度慢于指數(shù)分布的稱為重尾分布(Heavy-tailed distribution)，對于這個(gè)整體的分布來說，不起眼的尾巴，其重要性甚至超過了本體，比如 20%的人掌握了 80%的財(cái)富等等，在許多自然現(xiàn)象中都觀察到了重尾分布(也稱為冪律分布)，包括物理和社會現(xiàn)象。一個(gè)例子是世界各地人們的地理分布:世界上大多數(shù)地方都是空的或人口稀少，而人口密集的地理位置相對較少。萊維飛行示意圖如圖 2-1所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于螢火蟲和蝙蝠群智能算法的瑞雷波頻散曲線反演[J]. 蔡偉,宋先海,袁士川,胡瑩.  地球物理學(xué)報(bào). 2018(06)
[2]鴿群優(yōu)化算法研究進(jìn)展[J]. 段海濱,葉飛.  北京工業(yè)大學(xué)學(xué)報(bào). 2017(01)
[3]一種新穎的群智能算法:飛蛾撲火優(yōu)化算法[J]. 李志明,莫愿斌,張森.  電腦知識與技術(shù). 2016(31)
[4]二進(jìn)制灰狼優(yōu)化算法的研究與分析[J]. 陳昌帥.  信息系統(tǒng)工程. 2016(07)
[5]基于布谷鳥算法和支持向量機(jī)的變壓器故障診斷[J]. 薛浩然,張珂珩,李斌,彭晨輝.  電力系統(tǒng)保護(hù)與控制. 2015(08)
[6]混合CS算法的DE算法[J]. 李明,曹德欣.  計(jì)算機(jī)工程與應(yīng)用. 2013(09)
[7]新的仿生優(yōu)化算法:食物車-蟑螂群優(yōu)化算法[J]. 程樂,徐義晗,張洪斌,錢兆樓,馮剛.  計(jì)算機(jī)工程. 2010(18)
[8]新型元啟發(fā)式蝙蝠算法[J]. 黎成.  電腦知識與技術(shù). 2010(23)
[9]圖像分割的閾值法綜述[J]. 韓思奇,王蕾.  系統(tǒng)工程與電子技術(shù). 2002(06)

碩士論文
[1]螢火蟲算法的研究與應(yīng)用[D]. 高偉明.蘭州大學(xué) 2013
[2]螢火蟲算法研究及其在水下潛器路徑規(guī)劃中的應(yīng)用[D]. 董靜.哈爾濱工程大學(xué) 2013



本文編號：3267973