圖像分割是圖像特征提取和識(shí)別的基礎(chǔ),粒子群優(yōu)化（PSO）是模擬鳥(niǎo)群覓食行為的優(yōu)化算法。本文研究了PSO的一個(gè)重要參數(shù)-慣性權(quán)重,及其在優(yōu)化算法和改進(jìn)策略中的作用,實(shí)現(xiàn)了通過(guò)自適應(yīng)慣性權(quán)重的改進(jìn)策略平衡PSO的全局和局部搜索能力的目的�；诖搜芯�,本文提出了基于自適應(yīng)慣性權(quán)重粒子群優(yōu)化（AIWPSO）的圖像分割方法。該算法通過(guò)組合改進(jìn)的PSO和Otsu來(lái)分割圖像,并且獲得優(yōu)異的結(jié)果。分割的目標(biāo)具有較高的分割精度,并且分割的圖像區(qū)域在邊界形狀中是均勻和準(zhǔn)確的。它不僅可以確保分割的精度,還可以保留圖像的細(xì)節(jié)。 

【文章來(lái)源】：自動(dòng)化技術(shù)與應(yīng)用. 2019,38(02)

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
1 引言
2 圖像分割
    2.1 基于單閾值和多閾值的分割方法
    2.2 Ostu方法
3 基于適應(yīng)性重量策略的PSO
    3.1 標(biāo)準(zhǔn)粒子群優(yōu)化
    3.2 基于自適應(yīng)權(quán)重策略的PSO
4 實(shí)驗(yàn)仿真與分析
5 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于分?jǐn)?shù)階達(dá)爾文粒子群FODPSO算法的圖像分割[J]. 余勝威,曹中清.  計(jì)算機(jī)工程與科學(xué). 2016(09)
[2]一種結(jié)合自適應(yīng)慣性權(quán)重的混合粒子群算法[J]. 于桂芹,李劉東,袁永峰.  哈爾濱理工大學(xué)學(xué)報(bào). 2016(03)
[3]粒子群優(yōu)化算法的性能分析和參數(shù)選擇[J]. 王東風(fēng),孟麗.  自動(dòng)化學(xué)報(bào). 2016(10)
[4]基于改進(jìn)LGDF模型的超聲圖像自動(dòng)分割方法[J]. 朱永杰,邱天爽.  大連理工大學(xué)學(xué)報(bào). 2016(01)
[5]基于最小交叉熵的改進(jìn)PCNN楊梅圖像分割算法[J]. 徐黎明,呂繼東.  西北師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)
[6]基于區(qū)域劃分的多特征紋理圖像分割[J]. 趙泉華,高郡,李玉.  儀器儀表學(xué)報(bào). 2015(11)
[7]基于模糊熵和模擬退火算法的雙閾值圖像分割[J]. 鄭毅,鄭蘋(píng).  電子測(cè)量與儀器學(xué)報(bào). 2014(04)
[8]基于螢火蟲(chóng)算法的二維熵多閾值快速圖像分割[J]. 陳愷,陳芳,戴敏,張志勝,史金飛.  光學(xué)精密工程. 2014(02)

博士論文
[1]基于聚類(lèi)分析的圖像分割算法研究[D]. 許曉麗.哈爾濱工程大學(xué) 2012



本文編號(hào)：3217662