智能算法及其在圖像處理中的應用
發(fā)布時間：2021-07-24 22:28
隨著數字圖像處理技術的不斷發(fā)展和計算機產品的更新?lián)Q代,數字圖像處理技術已經在各個領域得到了廣泛的應用,為科學進步和生產力的發(fā)展做出了巨大貢獻。圖像處理涉及范圍較廣,包括圖像的變換、修復、分割、增強、匹配、分類等多個領域。智能算法是指通過模擬人、自然現(xiàn)象及其它生物種群的進化規(guī)律、行為特點和思維模式形成的智能計算方法,具有高效并行的全局尋優(yōu)能力和較強的優(yōu)化性能。傳統(tǒng)的智能算法有遺傳算法、蟻群算法和粒子群算法。由于數字圖像處理可以視為一個對復雜的非線性問題進行求解的過程,而智能算法對傳統(tǒng)算法難以解決的復雜問題仍能取得較好的優(yōu)化效果,因此將智能算法應用于圖像處理中具有廣闊的發(fā)展前景。由于傳統(tǒng)的單一智能算法存在易陷入局部最優(yōu)和收斂精度低的問題,而將多種智能算法有機結合起來可以取得更好的優(yōu)化性能,因此本文首先將天牛須算法（BAS）和布谷鳥算法（CS）相融合形成了一種優(yōu)化性能更好的新型混合智能算法（BAS-CS）,然后分別將該算法應用于圖像修復、圖像分割和圖像匹配領域,取得了較好的優(yōu)化效果。主要工作和創(chuàng)新點如下:（1）將天牛須算法與布谷鳥算法相融合形成了一種新型混合智能算法（BAS-CS）,并在be...
【文章來源】：西華師范大學四川省
【文章頁數】：89 頁
【學位級別】：碩士
【部分圖文】：
智能算法及其主要分類Fig.1-1Intelligentalgorithmanditsmainclassification
7圖 1- 2 粒子群算法流程圖Fig. 1-2 Intelligent algorithms and their classification 的圖像修復、圖像分割、圖像匹配和圖像融合是把轉化為 PSO 算法中的適應度函數，然后使用 PSO 解。雖然 PSO 算法的收斂速度快，但卻易陷入局度不高。針對 PSO 算法存在的收斂精度差、容易者提出了很多的改進策略。Navalertporn 等[40]采用雙向 PSO 對多目標任務進行的尋優(yōu)效果。 Ishaque K 等[41]對傳統(tǒng)粒子群算法進能充電領域。 Liu B 等[42]針對旅行商問題( TSP)，法( MA)，TSP 是一個的具有 NP 難度的組合優(yōu)化Chuang LY 等[43]提出了一種改進的二元粒子群算法于特征提取，有效地簡化了特征提取過程，并使得
圖 2- 1 天牛搜尋食物策略Fig. 2-1 Strategies of beetle in food search.2 天牛須搜索對我們的啟發(fā)可以把食物散發(fā)出的氣味視作一個函數，這個函數在空間里各個位置的相同，天牛左右兩條須可以感知自身周圍的食物氣味濃度，天牛的目標是氣味濃度最大的位置（即食物的位置）。通過模仿天牛搜尋食物的行為，對函數進行快速尋優(yōu)。BAS 算法基于以下幾個假設：1、天牛兩須分布于質心的兩端，且與質心的距離相等。2、步長step 和兩須間距離 d 0的比值是個常數，即0stepcd 。3、天牛移動到下一位置時，頭的朝向是任意的。.3 系統(tǒng)建模1、在一個 n 維空間里，用xl 代表左須的位置，用xr 代表右須的位置，x心的位置， d 0代表左右兩須間距離的大小。由于天牛頭的朝向是隨機的，以推斷出右須指向左須的向量方向也是隨機的，因此可以用一個隨機向
【參考文獻】：
期刊論文
[1]一種改進的Criminisi算法[J]. 李桃,吳亞娟,陳毅紅,張凱. 西華師范大學學報(自然科學版). 2019(02)
[2]一種基于群智能算法的圖像匹配算法[J]. 李桃. 信息與電腦(理論版). 2019(04)
[3]基于天牛須搜索的粒子群優(yōu)化算法求解投資組合問題[J]. 陳婷婷,殷賀,江紅莉,王露. 計算機系統(tǒng)應用. 2019(02)
[4]基于天牛須搜索優(yōu)化的室內定位算法[J]. 鄒東堯,陳鵬偉,劉寬. 湖北民族學院學報(自然科學版). 2018(04)
[5]基于天牛須搜索的花朵授粉算法[J]. 邵良杉,韓瑞達. 計算機工程與應用. 2018(18)
[6]基于變步長天牛須搜索算法的空間直線度誤差評定[J]. 陳君寶,王宸,王生懷. 工具技術. 2018(08)
[7]新型群智能優(yōu)化算法綜述[J]. 林詩潔,董晨,陳明志,張凡,陳景輝. 計算機工程與應用. 2018(12)
[8]一種新的粒子群優(yōu)化的圖像匹配算法[J]. 王長清,朱進進,張佳偉. 現(xiàn)代電子技術. 2018(10)
[9]基于布谷鳥優(yōu)化的三維OTSU圖像分割算法[J]. 楊曉,胡可楊,汪烈軍,秦繼偉,左航. 新疆大學學報(自然科學版). 2017(04)
[10]基于雞群優(yōu)化算法的SAR圖像快速分割[J]. 梁建慧,王麗芳,蔣澤軍,馬苗. 計算機應用研究. 2018(09)
博士論文
[1]仿生優(yōu)化算法在數字圖像處理中的應用研究[D]. 劉傳文.武漢理工大學 2008
[2]遺傳算法及其在航空發(fā)動機非線性數學模型中的應用研究[D]. 蘇三買.西北工業(yè)大學 2002
碩士論文
[1]群體智能算法在圖像SIFT特征匹配中的應用[D]. 陳文華.中北大學 2018
[2]基于細菌覓食算法的圖像處理[D]. 關良華.湖南工業(yè)大學 2017
[3]基于PSO和FOA的圖像修復算法[D]. 王一卜.中北大學 2017
[4]改進粒子群優(yōu)化算法的圖像匹配[D]. 朱進進.河南師范大學 2017
[5]杜鵑搜索算法在圖像處理中的應用研究[D]. 王明威.湖北工業(yè)大學 2015
[6]細菌覓食優(yōu)化算法研究及其在圖像匹配中的應用[D]. 周美茹.西安電子科技大學 2014
[7]大區(qū)域圖像修復算法研究[D]. 張斐.南京郵電大學 2013
[8]基于粒子群優(yōu)化的圖像局部特征提取算法研究[D]. 曹雪蓮.福州大學 2013
[9]基于改進遺傳算法的圖像匹配方法研究[D]. 薛嬌.太原理工大學 2011
[10]新型智能優(yōu)化算法及其在圖像分割中的應用研究[D]. 梁建慧.陜西師范大學 2011
本文編號：3301552
【文章來源】：西華師范大學四川省
【文章頁數】：89 頁
【學位級別】：碩士
【部分圖文】：
智能算法及其主要分類Fig.1-1Intelligentalgorithmanditsmainclassification
7圖 1- 2 粒子群算法流程圖Fig. 1-2 Intelligent algorithms and their classification 的圖像修復、圖像分割、圖像匹配和圖像融合是把轉化為 PSO 算法中的適應度函數，然后使用 PSO 解。雖然 PSO 算法的收斂速度快，但卻易陷入局度不高。針對 PSO 算法存在的收斂精度差、容易者提出了很多的改進策略。Navalertporn 等[40]采用雙向 PSO 對多目標任務進行的尋優(yōu)效果。 Ishaque K 等[41]對傳統(tǒng)粒子群算法進能充電領域。 Liu B 等[42]針對旅行商問題( TSP)，法( MA)，TSP 是一個的具有 NP 難度的組合優(yōu)化Chuang LY 等[43]提出了一種改進的二元粒子群算法于特征提取，有效地簡化了特征提取過程，并使得
圖 2- 1 天牛搜尋食物策略Fig. 2-1 Strategies of beetle in food search.2 天牛須搜索對我們的啟發(fā)可以把食物散發(fā)出的氣味視作一個函數，這個函數在空間里各個位置的相同，天牛左右兩條須可以感知自身周圍的食物氣味濃度，天牛的目標是氣味濃度最大的位置（即食物的位置）。通過模仿天牛搜尋食物的行為，對函數進行快速尋優(yōu)。BAS 算法基于以下幾個假設：1、天牛兩須分布于質心的兩端，且與質心的距離相等。2、步長step 和兩須間距離 d 0的比值是個常數，即0stepcd 。3、天牛移動到下一位置時，頭的朝向是任意的。.3 系統(tǒng)建模1、在一個 n 維空間里，用xl 代表左須的位置，用xr 代表右須的位置，x心的位置， d 0代表左右兩須間距離的大小。由于天牛頭的朝向是隨機的，以推斷出右須指向左須的向量方向也是隨機的，因此可以用一個隨機向
【參考文獻】：
期刊論文
[1]一種改進的Criminisi算法[J]. 李桃,吳亞娟,陳毅紅,張凱. 西華師范大學學報(自然科學版). 2019(02)
[2]一種基于群智能算法的圖像匹配算法[J]. 李桃. 信息與電腦(理論版). 2019(04)
[3]基于天牛須搜索的粒子群優(yōu)化算法求解投資組合問題[J]. 陳婷婷,殷賀,江紅莉,王露. 計算機系統(tǒng)應用. 2019(02)
[4]基于天牛須搜索優(yōu)化的室內定位算法[J]. 鄒東堯,陳鵬偉,劉寬. 湖北民族學院學報(自然科學版). 2018(04)
[5]基于天牛須搜索的花朵授粉算法[J]. 邵良杉,韓瑞達. 計算機工程與應用. 2018(18)
[6]基于變步長天牛須搜索算法的空間直線度誤差評定[J]. 陳君寶,王宸,王生懷. 工具技術. 2018(08)
[7]新型群智能優(yōu)化算法綜述[J]. 林詩潔,董晨,陳明志,張凡,陳景輝. 計算機工程與應用. 2018(12)
[8]一種新的粒子群優(yōu)化的圖像匹配算法[J]. 王長清,朱進進,張佳偉. 現(xiàn)代電子技術. 2018(10)
[9]基于布谷鳥優(yōu)化的三維OTSU圖像分割算法[J]. 楊曉,胡可楊,汪烈軍,秦繼偉,左航. 新疆大學學報(自然科學版). 2017(04)
[10]基于雞群優(yōu)化算法的SAR圖像快速分割[J]. 梁建慧,王麗芳,蔣澤軍,馬苗. 計算機應用研究. 2018(09)
博士論文
[1]仿生優(yōu)化算法在數字圖像處理中的應用研究[D]. 劉傳文.武漢理工大學 2008
[2]遺傳算法及其在航空發(fā)動機非線性數學模型中的應用研究[D]. 蘇三買.西北工業(yè)大學 2002
碩士論文
[1]群體智能算法在圖像SIFT特征匹配中的應用[D]. 陳文華.中北大學 2018
[2]基于細菌覓食算法的圖像處理[D]. 關良華.湖南工業(yè)大學 2017
[3]基于PSO和FOA的圖像修復算法[D]. 王一卜.中北大學 2017
[4]改進粒子群優(yōu)化算法的圖像匹配[D]. 朱進進.河南師范大學 2017
[5]杜鵑搜索算法在圖像處理中的應用研究[D]. 王明威.湖北工業(yè)大學 2015
[6]細菌覓食優(yōu)化算法研究及其在圖像匹配中的應用[D]. 周美茹.西安電子科技大學 2014
[7]大區(qū)域圖像修復算法研究[D]. 張斐.南京郵電大學 2013
[8]基于粒子群優(yōu)化的圖像局部特征提取算法研究[D]. 曹雪蓮.福州大學 2013
[9]基于改進遺傳算法的圖像匹配方法研究[D]. 薛嬌.太原理工大學 2011
[10]新型智能優(yōu)化算法及其在圖像分割中的應用研究[D]. 梁建慧.陜西師范大學 2011
本文編號：3301552
本文鏈接：http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3301552.html
