【摘要】：近些年常用的智能算法如遺傳、粒子群、模擬退火、魚(yú)群等算法已經(jīng)應(yīng)用于各領(lǐng)域的最優(yōu)值求解,并能得出良好的結(jié)果。這些算法的搜索能力通常受到初始種群大小和各種初始參數(shù)的限制。通常當(dāng)種群越大時(shí)其搜索能力就越強(qiáng),但卻要消耗更多的時(shí)間去求解。對(duì)此本論文使用較小初始群體數(shù)的智能算法對(duì)圖像進(jìn)行otsu閾值求解,先使用六種智能算法對(duì)幾幅圖進(jìn)行閾值求解,將實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比可知六種算法中鳥(niǎo)群算法在求取otsu閾值時(shí)得出的結(jié)果要優(yōu)于其他五種算法。使用otsu閾值對(duì)圖像進(jìn)行分割時(shí),噪聲會(huì)對(duì)分割結(jié)果造成較為嚴(yán)重的破壞。為了消除不同噪聲的影響,使用了幾種濾波器對(duì)其進(jìn)行濾波去噪,并根據(jù)“中值-均值濾波器”,提出另一種“定位-中值-高斯均值濾波器”,并通過(guò)去噪實(shí)驗(yàn)得出的結(jié)果可知“定位-中值-高斯濾波器”在過(guò)濾本論文定義的“未知噪聲”時(shí)總體性能上要優(yōu)于其他濾波器。對(duì)于中低強(qiáng)度的脈沖噪聲,自適應(yīng)中值濾波器具有良好的去噪效果,但對(duì)高強(qiáng)度脈沖噪聲的去噪結(jié)果卻不令人滿意。有一種快速高效去除脈沖噪聲的均值濾波器不僅在中低強(qiáng)度的脈沖噪聲上優(yōu)于自適應(yīng)中值濾波器對(duì)高強(qiáng)度脈沖噪聲也能進(jìn)行良好的去噪,本論文在此濾波器的基礎(chǔ)之上進(jìn)行了改進(jìn),加入了自適應(yīng)選擇“中值-均值”過(guò)程,進(jìn)一步增強(qiáng)了其對(duì)于低強(qiáng)度脈沖噪聲的去噪能力。為了進(jìn)一步增強(qiáng)鳥(niǎo)群算法在求解時(shí)的準(zhǔn)確率和穩(wěn)定性。本文提出了兩種改進(jìn)方法,一種為加入了遺傳算法中選擇變異環(huán)節(jié)的遺傳變異鳥(niǎo)群算法,另一種是雙鳥(niǎo)群混沌優(yōu)化算法,它使用雙鳥(niǎo)群并增加了混沌擾動(dòng)環(huán)節(jié)。利用改進(jìn)后鳥(niǎo)群算法對(duì)圖像進(jìn)行一維、二維的otsu閾值求解。通過(guò)實(shí)驗(yàn)結(jié)果可知,改進(jìn)后的鳥(niǎo)群算法在求取一維閾值時(shí)在規(guī)定的迭代次數(shù)內(nèi)均能準(zhǔn)確的搜索到最佳閾值,其準(zhǔn)確率幾乎可達(dá)100%,結(jié)果要優(yōu)于未改進(jìn)的鳥(niǎo)群算法。在二維閾值求解時(shí),求得的解比未改進(jìn)前更接近準(zhǔn)確的最優(yōu)解,增強(qiáng)了算法的穩(wěn)定性。使用改進(jìn)后鳥(niǎo)群算法和改進(jìn)后濾波器對(duì)包含噪聲的圖像進(jìn)行閾值求解并進(jìn)行相應(yīng)的分割,通過(guò)實(shí)驗(yàn)可知即使在噪聲污染下其分割后的結(jié)果仍擁有較高的準(zhǔn)確率。
【圖文】：

表 2.1 各種算法對(duì)圖 man 隨機(jī)求解 10 次的一維 otsu 閾值序號(hào) GA PSO SA AFSA CSO BSA1 88 88 87 88 88 882 89 82 88 122 88 883 88 86 88 88 88 884 87 88 88 126 88 885 88 86 87 175 88 886 91 88 88 88 88 887 88 88 88 162 88 888 87 86 88 126 88 889 92 88 87 174 88 8810 88 88 88 94 88 88

表 2.2 各種算法對(duì)圖 lena 隨機(jī)求解 10 次的一維 otsu 閾值序號(hào) GA PSO SA AFSA CSO BSA1 117 115 117 117 117 1172 118 115 117 117 117 1173 116 114 117 117 117 1174 120 119 116 190 117 1175 117 123 117 27 117 1176 118 117 117 62 117 1177 116 123 116 176 117 1178 122 123 116 117 117 1179 118 123 116 219 117 11710 114 113 117 12 117 117
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP391.41;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 劉光宇;龐永杰;;基于阿爾法均值算法和馬氏距離的圖像自適應(yīng)濾波[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2015年02期

2 苗彬;侯燕;;基于改進(jìn)模糊均值聚類(lèi)算法的醫(yī)學(xué)圖像分割[J];激光雜志;2015年01期

3 高正龍;吳濤;陳小波;楊瑩瑩;;圖像濾波的商空間粒計(jì)算算法[J];計(jì)算機(jī)工程與應(yīng)用;2013年24期

4 任玉剛;張建;李淼;袁媛;;基于分水嶺算法的作物病害葉片圖像分割方法[J];計(jì)算機(jī)應(yīng)用;2012年03期

，

本文編號(hào)：2711019