針對(duì)傳統(tǒng)狼群算法應(yīng)用于圖像分割時(shí)收斂速度慢且容易陷入局部最優(yōu)等缺點(diǎn),本文提出一種基于分?jǐn)?shù)階狼群優(yōu)化的二維Otsu圖像分割算法。二維Otsu分割方法的橫縱坐標(biāo)分別采用灰度級(jí)和梯度級(jí),以O(shè)tsu算法的最大類間方差為改進(jìn)后狼群算法的適應(yīng)度函數(shù),尋找最佳分割閾值。利用分?jǐn)?shù)階微分對(duì)過去狀態(tài)有記憶性的優(yōu)點(diǎn),用分?jǐn)?shù)階階次來控制狼群在游走過程中的位置更新,并引入自適應(yīng)分?jǐn)?shù)階階次,利用探狼的位置信息自適應(yīng)地調(diào)整分?jǐn)?shù)階階次,從而使狼群算法的游走行為更加合理,提高狼群算法的最優(yōu)解搜索能力,提升算法收斂速度。同時(shí),采用空間對(duì)稱分布方法改進(jìn)狼群的圍捕行為,改善狼群個(gè)體空間分布狀態(tài),提高種群多樣性,調(diào)整圍捕過程中狼群位置,克服算法后期容易出現(xiàn)局部最優(yōu)的弊端,將目標(biāo)與背景進(jìn)行分離。本文的研究?jī)?nèi)容主要有:第一,常見的圖像分割算法原理及其優(yōu)缺點(diǎn)、應(yīng)用情況。分析最大類間方差法的實(shí)現(xiàn)原理,Otsu算法簡(jiǎn)單有效,得到廣泛使用。傳統(tǒng)二維Otsu算法較一維Otsu能夠反映更多圖像信息,分割結(jié)果更加準(zhǔn)確,卻增加了計(jì)算量。所以本文采用基于灰度-梯度的二維Otsu算法,將圖像的噪聲點(diǎn)和圖像的目標(biāo)背景做了很好的分離,不僅縮小了搜索空間,... 

【文章來源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁數(shù)】：50 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３－１狼群算法流程圖??３．３狼群算法的優(yōu)越性分析??

法采用灰度－梯度二維直方圖即橫坐標(biāo)不變，縱坐標(biāo)為圖像灰度級(jí)與平均灰度級(jí)之差，該屬??性條件限制了空間搜索范圍，大大減少了搜索時(shí)間，只有滿足屬性條件的像素才能被搜索到。??圖５－ｌ（ａ）所示為Ｌｅｎａ圖像，其灰度－梯度二維直方圖如５－ｌ（ｂ）所示，從圖中可以看出，圖像的??像素信息主要集中在平面一側(cè)，由于圖像的目標(biāo)和背景部分主要集中在像素梯度值較小的區(qū)域，??分布在梯度較大區(qū)域的像素信息一般為圖像中的噪聲點(diǎn)，所以該方法將圖像梯度值較大的點(diǎn)和圖??像的目標(biāo)和背景區(qū)域做了很好的分離，不僅縮小了搜索空間，減少計(jì)算量，同時(shí)也減少了噪聲對(duì)??圖像分割結(jié)果的影響。所以我們?cè)诖嘶A(chǔ)上進(jìn)行改進(jìn)。??（ａ）原圖像?〇〇灰度－梯度直方圖??圖５－１?Ｌｅｎａ圖像及其直方圖??基于灰度－梯度直方圖的二維ＯｔＳＵ算法具體原理如下：??設(shè)圖像總像素點(diǎn)數(shù)為見總灰度級(jí)為Ｌ，叫為灰度為／、梯度為的像數(shù)點(diǎn)數(shù)，則＆發(fā)生的??概率為：??（５＊°??設(shè)分割閾值的平均灰度值為ｓ和梯度值為／，圖像被閾值Ｇ，／）分為背景類ｓ和目標(biāo)類ｒ，??－２５－??

法采用灰度－梯度二維直方圖即橫坐標(biāo)不變，縱坐標(biāo)為圖像灰度級(jí)與平均灰度級(jí)之差，該屬??性條件限制了空間搜索范圍，大大減少了搜索時(shí)間，只有滿足屬性條件的像素才能被搜索到。??圖５－ｌ（ａ）所示為Ｌｅｎａ圖像，其灰度－梯度二維直方圖如５－ｌ（ｂ）所示，從圖中可以看出，圖像的??像素信息主要集中在平面一側(cè)，由于圖像的目標(biāo)和背景部分主要集中在像素梯度值較小的區(qū)域，??分布在梯度較大區(qū)域的像素信息一般為圖像中的噪聲點(diǎn)，所以該方法將圖像梯度值較大的點(diǎn)和圖??像的目標(biāo)和背景區(qū)域做了很好的分離，不僅縮小了搜索空間，減少計(jì)算量，同時(shí)也減少了噪聲對(duì)??圖像分割結(jié)果的影響。所以我們?cè)诖嘶A(chǔ)上進(jìn)行改進(jìn)。??（ａ）原圖像?〇〇灰度－梯度直方圖??圖５－１?Ｌｅｎａ圖像及其直方圖??基于灰度－梯度直方圖的二維ＯｔＳＵ算法具體原理如下：??設(shè)圖像總像素點(diǎn)數(shù)為見總灰度級(jí)為Ｌ，叫為灰度為／、梯度為的像數(shù)點(diǎn)數(shù)，則＆發(fā)生的??概率為：??（５＊°??設(shè)分割閾值的平均灰度值為ｓ和梯度值為／，圖像被閾值Ｇ，／）分為背景類ｓ和目標(biāo)類ｒ，??－２５－??

【參考文獻(xiàn)】：
期刊論文
[1]基于全卷積神經(jīng)網(wǎng)絡(luò)的植物葉片分割算法[J]. 胡靜,陳志泊,楊猛,張榮國,崔亞稷.  北京林業(yè)大學(xué)學(xué)報(bào). 2018(11)
[2]改進(jìn)狼群算法求解旅行商問題[J]. 黃海松,任竹鵬,魏建安.  計(jì)算機(jī)應(yīng)用研究. 2019(12)
[3]基于改進(jìn)的狼群算法的新型廣義熵圖像分割[J]. 焦瑞芳,范九倫.  計(jì)算機(jī)應(yīng)用研究. 2019(10)
[4]結(jié)合分?jǐn)?shù)階微分和圖像局部信息的CV模型[J]. 張桂梅,陳兵兵,徐可,儲(chǔ)珺.  中國圖象圖形學(xué)報(bào). 2018(08)
[5]基于差分進(jìn)化的改進(jìn)狼群算法研究[J]. 王盈祥,陳民鈾,程庭莉,盛琪,董龍昌,李哲.  計(jì)算機(jī)應(yīng)用研究. 2019(08)
[6]基于改進(jìn)的FA優(yōu)化二維Otsu圖像分割算法[J]. 吳俊輝,汪烈軍,秦繼偉.  新疆大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[7]基于分?jǐn)?shù)階粒子群的Otsu圖像分割算法[J]. 魏晶茹,馬瑜,夏瑞,蔣海波,周亭亭.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(12)
[8]改進(jìn)狼群優(yōu)化算法的Otsu圖像分割法[J]. 曹爽,安建成.  微電子學(xué)與計(jì)算機(jī). 2017(10)
[9]基于改進(jìn)螢火蟲優(yōu)化算法的多閾值彩色圖像分割[J]. 毛肖,和麗芳,王慶平.  計(jì)算機(jī)科學(xué). 2017(S1)
[10]基于內(nèi)容的圖像分割方法綜述[J]. 姜楓,顧慶,郝慧珍,李娜,郭延文,陳道蓄.  軟件學(xué)報(bào). 2017(01)

博士論文
[1]基于圖割的圖像分割方法研究[D]. 辛月蘭.陜西師范大學(xué) 2018
[2]蜂群算法及在圖像處理中的應(yīng)用研究[D]. 肖永豪.華南理工大學(xué) 2011
[3]基于粒子群優(yōu)化算法的圖像分割研究[D]. 孫越泓.南京理工大學(xué) 2010
[4]邊緣檢測(cè)的若干技術(shù)研究[D]. 董鴻燕.國防科學(xué)技術(shù)大學(xué) 2008
[5]基于計(jì)算智能的聚類技術(shù)及其應(yīng)用研究[D]. 馮永.重慶大學(xué) 2006
[6]分?jǐn)?shù)階微積分在現(xiàn)代信號(hào)分析與處理中應(yīng)用的研究[D]. 蒲亦非.四川大學(xué) 2006

碩士論文
[1]基于邊緣檢測(cè)的高速鐵路設(shè)備識(shí)別方法研究[D]. 馬真.南京郵電大學(xué) 2018
[2]狼群算法的改進(jìn)及其在復(fù)雜函數(shù)優(yōu)化問題中的應(yīng)用[D]. 師喜婷.西安理工大學(xué) 2018
[3]狼群算法的改進(jìn)研究及其在機(jī)器人路徑規(guī)劃中的應(yīng)用[D]. 曾秀.東華理工大學(xué) 2018
[4]基于組合賦權(quán)的圖像分割質(zhì)量評(píng)價(jià)研究[D]. 薛菁菁.西安工程大學(xué) 2018
[5]分?jǐn)?shù)階微積分性質(zhì)及其應(yīng)用[D]. 付洋.安慶師范大學(xué) 2018
[6]狼群算法的研究與應(yīng)用[D]. 李國亮.東華理工大學(xué) 2016



本文編號(hào)：3600906