本文關(guān)鍵詞：基于遺傳蟻群算法的紅外圖像分割方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近些年來(lái),紅外圖像的應(yīng)用領(lǐng)域越來(lái)越廣泛,當(dāng)前對(duì)紅外圖像的分割、識(shí)別的研究已經(jīng)無(wú)法滿(mǎn)足工程實(shí)際應(yīng)用的需求。仿生學(xué)的興起,為紅外圖像分割提供了新的發(fā)展方向�；诖�,本文主要研究了將遺傳算法和蟻群算法相結(jié)合的新的智能優(yōu)化方法在紅外圖像處理中的應(yīng)用。論文的主要內(nèi)容包括:1)根據(jù)紅外圖像處理的特點(diǎn),對(duì)遺傳算法進(jìn)行了改進(jìn),使圖像分割的效果更加明顯并加快算法的處理速度。首先,采取快速排序法替代了順序排序法,同時(shí)將遺傳代數(shù)引入到交叉、變異概率之中。其次,對(duì)適應(yīng)度函數(shù)二維OTSU算法鄰域灰度均值的計(jì)算進(jìn)行調(diào)整,根據(jù)鄰域像素點(diǎn)與中心像素點(diǎn)之間的距離不同,引入比例系數(shù)進(jìn)行加權(quán)處理。再次,通過(guò)判斷熱紅外圖像噪聲點(diǎn)進(jìn)行降噪處理。最后,引入類(lèi)內(nèi)方差,增強(qiáng)算法的準(zhǔn)確性。改進(jìn)后的遺傳算法降低了遺傳算法出現(xiàn)早熟現(xiàn)象,同時(shí)提高了算法運(yùn)算后期的收斂速度。2)為了更好的適應(yīng)紅外圖像處理的需要,進(jìn)一步提高蟻群算法的自適應(yīng)能力,在原蟻群算法的基礎(chǔ)上,對(duì)算法進(jìn)行了如下改進(jìn)。首先,依據(jù)迭代次數(shù)的變化對(duì)信息素因子、啟發(fā)素因子和蒸發(fā)系數(shù)進(jìn)行自適應(yīng)的調(diào)整;其次,對(duì)信息素的更新方式進(jìn)行改變,分別對(duì)最優(yōu)路徑和最差路徑進(jìn)行信息素的更新設(shè)置,提高了算法的性能。新算法進(jìn)一步增強(qiáng)算法前期尋優(yōu)和后期收斂的能力。3)在遺傳算法和蟻群算法結(jié)合的過(guò)程中,將遺傳運(yùn)算得到的次優(yōu)解轉(zhuǎn)化成加權(quán)系數(shù),作用于狀態(tài)轉(zhuǎn)移概率,增大了算法的尋優(yōu)能力。遺傳蟻群算法充分發(fā)揮了遺傳算法較強(qiáng)的全局搜索能力和蟻群算法正反饋快速收斂能力,以滿(mǎn)足紅外圖像處理的速度和精度。實(shí)驗(yàn)結(jié)果表明,將遺傳算法和蟻群算法相結(jié)合,能夠達(dá)到對(duì)兩種算法之間取長(zhǎng)補(bǔ)短的效果,且融合后的算法提高了熱紅外圖像的分割效率和速度,在實(shí)際工程有一定的應(yīng)用前景。
【關(guān)鍵詞】：電路板卡 圖像分割 遺傳算法 蟻群算法
【學(xué)位授予單位】：中國(guó)民航大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41;TP18
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 課題研究的背景及意義10-11
• 1.2 紅外圖像分割技術(shù)研究現(xiàn)狀分析11-13
• 1.3 紅外圖像分割算法在電路板紅外圖像中的應(yīng)用13-14
• 1.4 本文研究的主要內(nèi)容和章節(jié)安排14-16
• 第二章 改進(jìn)二維OTSU的自適應(yīng)遺傳算法在圖像分割中的應(yīng)用16-31
• 2.1 遺傳算法的基本原理16-17
• 2.2 基于改進(jìn)OTSU的自適應(yīng)遺傳算法17-24
• 2.2.1 遺傳參數(shù)初始化17
• 2.2.2 改進(jìn)的二維OTSU算法17-22
• 2.2.3 自適應(yīng)遺傳算子22-24
• 2.3 遺傳算法在圖像分割中的應(yīng)用24-29
• 2.3.1 遺傳算法的基本步驟和主要流程24-25
• 2.3.2 圖像分割實(shí)例分析25-29
• 2.4 本章小結(jié)29-31
• 第三章 自適應(yīng)蟻群算法在圖像分割中的應(yīng)用31-43
• 3.1 蟻群算法的原理31-32
• 3.2 改進(jìn)的自適應(yīng)蟻群算法32-38
• 3.2.1 蟻群初始化過(guò)程32
• 3.2.2 狀態(tài)轉(zhuǎn)移矩陣及自適應(yīng)因子的確立32-34
• 3.2.3 蟻群算法的系統(tǒng)分析34-36
• 3.2.4 自適應(yīng)蟻群算法36-38
• 3.3 自適應(yīng)蟻群算法在圖像分割中的應(yīng)用38-41
• 3.3.1 蟻群算法在圖像處理中的基本步驟和主要流程38-39
• 3.3.2 圖像分割實(shí)例分析39-41
• 3.4 本章小結(jié)41-43
• 第四章 遺傳蟻群算法在圖像分割中的應(yīng)用43-52
• 4.1 遺傳算法和蟻群算法融合的原理43-44
• 4.2 算法的主要步驟和流程圖44-46
• 4.3 紅外電路板卡圖像處理和實(shí)驗(yàn)結(jié)果的分析46-51
• 4.4 本章小結(jié)51-52
• 第五章 結(jié)論與展望52-54
• 5.1 課題總結(jié)52-53
• 5.2 研究工作展望53-54
• 致謝54-55
• 參考文獻(xiàn)55-59
• 攻讀碩士研究生期間的科研成果59

  本文關(guān)鍵詞：基于遺傳蟻群算法的紅外圖像分割方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：259994