隨著數(shù)字圖像處理技術(shù)的不斷發(fā)展和計(jì)算機(jī)產(chǎn)品的更新?lián)Q代,數(shù)字圖像處理技術(shù)已經(jīng)在各個(gè)領(lǐng)域得到了廣泛的應(yīng)用,為科學(xué)進(jìn)步和生產(chǎn)力的發(fā)展做出了巨大貢獻(xiàn)。圖像處理涉及范圍較廣,包括圖像的變換、修復(fù)、分割、增強(qiáng)、匹配、分類(lèi)等多個(gè)領(lǐng)域。智能算法是指通過(guò)模擬人、自然現(xiàn)象及其它生物種群的進(jìn)化規(guī)律、行為特點(diǎn)和思維模式形成的智能計(jì)算方法,具有高效并行的全局尋優(yōu)能力和較強(qiáng)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(shù)字圖像處理可以視為一個(gè)對(duì)復(fù)雜的非線性問(wèn)題進(jìn)行求解的過(guò)程,而智能算法對(duì)傳統(tǒng)算法難以解決的復(fù)雜問(wèn)題仍能取得較好的優(yōu)化效果,因此將智能算法應(yīng)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(wèn)題,而將多種智能算法有機(jī)結(jié)合起來(lái)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(niǎo)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(yīng)用于圖像修復(fù)、圖像分割和圖像匹配領(lǐng)域,取得了較好的優(yōu)化效果。主要工作和創(chuàng)新點(diǎn)如下:（1）將天牛須算法與布谷鳥(niǎo)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(lái)源】：西華師范大學(xué)四川省

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

智能算法及其主要分類(lèi)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(fù)、圖像分割、圖像匹配和圖像融合是把轉(zhuǎn)化為 PSO 算法中的適應(yīng)度函數(shù)，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(duì) PSO 算法存在的收斂精度差、容易者提出了很多的改進(jìn)策略。Navalertporn 等[40]采用雙向 PSO 對(duì)多目標(biāo)任務(wù)進(jìn)行的尋優(yōu)效果。 Ishaque K 等[41]對(duì)傳統(tǒng)粒子群算法進(jìn)能充電領(lǐng)域。 Liu B 等[42]針對(duì)旅行商問(wèn)題( TSP)，法( MA)，TSP 是一個(gè)的具有 NP 難度的組合優(yōu)化Chuang LY 等[43]提出了一種改進(jìn)的二元粒子群算法于特征提取，有效地簡(jiǎn)化了特征提取過(guò)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(duì)我們的啟發(fā)可以把食物散發(fā)出的氣味視作一個(gè)函數(shù)，這個(gè)函數(shù)在空間里各個(gè)位置的相同，天牛左右兩條須可以感知自身周?chē)氖澄餁馕稘舛�，天牛的目�?biāo)是氣味濃度最大的位置（即食物的位置）。通過(guò)模仿天牛搜尋食物的行為，對(duì)函數(shù)進(jìn)行快速尋優(yōu)。BAS 算法基于以下幾個(gè)假設(shè)：1、天牛兩須分布于質(zhì)心的兩端，且與質(zhì)心的距離相等。2、步長(zhǎng)step 和兩須間距離 d 0的比值是個(gè)常數(shù)，即0stepcd 。3、天牛移動(dòng)到下一位置時(shí)，頭的朝向是任意的。.3 系統(tǒng)建模1、在一個(gè) 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(jī)的，以推斷出右須指向左須的向量方向也是隨機(jī)的，因此可以用一個(gè)隨機(jī)向

【參考文獻(xiàn)】：
期刊論文
[1]一種改進(jìn)的Criminisi算法[J]. 李桃,吳亞娟,陳毅紅,張凱.  西華師范大學(xué)學(xué)報(bào)(自然科學(xué)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(wèn)題[J]. 陳婷婷,殷賀,江紅莉,王露.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(02)
[4]基于天牛須搜索優(yōu)化的室內(nèi)定位算法[J]. 鄒東堯,陳鵬偉,劉寬.  湖北民族學(xué)院學(xué)報(bào)(自然科學(xué)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(dá).  計(jì)算機(jī)工程與應(yīng)用. 2018(18)
[6]基于變步長(zhǎng)天牛須搜索算法的空間直線度誤差評(píng)定[J]. 陳君寶,王宸,王生懷.  工具技術(shù). 2018(08)
[7]新型群智能優(yōu)化算法綜述[J]. 林詩(shī)潔,董晨,陳明志,張凡,陳景輝.  計(jì)算機(jī)工程與應(yīng)用. 2018(12)
[8]一種新的粒子群優(yōu)化的圖像匹配算法[J]. 王長(zhǎng)清,朱進(jìn)進(jìn),張佳偉.  現(xiàn)代電子技術(shù). 2018(10)
[9]基于布谷鳥(niǎo)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(xué)學(xué)報(bào)(自然科學(xué)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(jì)算機(jī)應(yīng)用研究. 2018(09)

博士論文
[1]仿生優(yōu)化算法在數(shù)字圖像處理中的應(yīng)用研究[D]. 劉傳文.武漢理工大學(xué) 2008
[2]遺傳算法及其在航空發(fā)動(dòng)機(jī)非線性數(shù)學(xué)模型中的應(yīng)用研究[D]. 蘇三買(mǎi).西北工業(yè)大學(xué) 2002

碩士論文
[1]群體智能算法在圖像SIFT特征匹配中的應(yīng)用[D]. 陳文華.中北大學(xué) 2018
[2]基于細(xì)菌覓食算法的圖像處理[D]. 關(guān)良華.湖南工業(yè)大學(xué) 2017
[3]基于PSO和FOA的圖像修復(fù)算法[D]. 王一卜.中北大學(xué) 2017
[4]改進(jìn)粒子群優(yōu)化算法的圖像匹配[D]. 朱進(jìn)進(jìn).河南師范大學(xué) 2017
[5]杜鵑搜索算法在圖像處理中的應(yīng)用研究[D]. 王明威.湖北工業(yè)大學(xué) 2015
[6]細(xì)菌覓食優(yōu)化算法研究及其在圖像匹配中的應(yīng)用[D]. 周美茹.西安電子科技大學(xué) 2014
[7]大區(qū)域圖像修復(fù)算法研究[D]. 張斐.南京郵電大學(xué) 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(xué) 2013
[9]基于改進(jìn)遺傳算法的圖像匹配方法研究[D]. 薛嬌.太原理工大學(xué) 2011
[10]新型智能優(yōu)化算法及其在圖像分割中的應(yīng)用研究[D]. 梁建慧.陜西師范大學(xué) 2011



本文編號(hào)：3301552