圖像分割是圖像處理研究的重點和難點之一,也一直是研究的熱點。圖像分割是圖像分析、圖像識別等更高層圖像處理的基礎,分割結(jié)果直接影響著更高層分析和理解的正確性�；趫D像處理的技術應用范圍廣泛。無論從圖像場景還是成像原理上,都存在圖像來源多樣復雜,圖像屬性千差萬別等問題;圖像分割的目的各不相同;在成像、存儲及傳輸過程中引入的各種干擾會使圖像質(zhì)量下降;這些問題給圖像分割帶來巨大挑戰(zhàn)。閾值分割是圖像分割的主要方法之一,在面向工業(yè)領域、醫(yī)學影像處理領域的圖像處理問題中,閾值分割是最重要的分割方法。本文結(jié)合啟發(fā)式算法開展面向醫(yī)學圖像的閾值分割方法研究。本文簡述了閾值分割的基本方法及啟發(fā)式算法特點,從優(yōu)化角度分析了基于啟發(fā)式算法的閾值分割方法基本過程。通過改進閾值分割目標函數(shù)計算方法以及優(yōu)化目標函數(shù)兩個角度,面向醫(yī)學圖像分割,研究了幾種結(jié)合改進的啟發(fā)式算法的閾值分割方法。主要工作如下:（1）對基于啟發(fā)式算法的閾值分割方法進行了分析。通過把閾值分割歸納為一個優(yōu)化問題來求解,總結(jié)了基于啟發(fā)式算法的閾值分割方法的基本步驟。針對傳統(tǒng)啟發(fā)式算法在解決閾值分割問題時,算法及參數(shù)的確定對具體分割的圖像和應用目標先驗... 

【文章頁數(shù)】：124 頁

【學位級別】：博士

【部分圖文】：

全文結(jié)構(gòu)

第 2 章 醫(yī)學圖像分割以及啟發(fā)式算法相關技術選擇式超啟發(fā)式結(jié)構(gòu)簡潔，易于綜合當前已有算法各自優(yōu)點。但在現(xiàn)有的超啟發(fā)結(jié)構(gòu)中，高層設計還沒有清晰的架構(gòu)，但超啟發(fā)式思想是在啟發(fā)式算法之上，通過高層對算法進行選擇和管理。這種選擇和管理基于對求解問題以及算法的先驗知識和對具體問題求解過程中底層算法以及當前解的動態(tài)表現(xiàn)。產(chǎn)生式推理方法可以適用于這樣的問題，因此，基于產(chǎn)生式方法作為構(gòu)建高層的一個一般化架構(gòu)�；谶@樣的思想，我們構(gòu)建了一個面向圖像分割的，包括任務理解層、超啟發(fā)層（工具算法選擇與管理層）和問題求解啟發(fā)式算法層（工具算法）的三層超啟發(fā)式架構(gòu)，如圖 2.3。

圖 5.3. 初始化示例群算法的 Otus 算法對于基于 Otsu 準則的 q-1 個閾值的多閾值分割，假設1，其目標函數(shù)為類間方差： = ∑ ( ) 的計算見第 3 章。 ) = ( ( ( 是 Otsu 分割算法計算得出的最佳閾值。算法的不足，這里給出了一個改進了蟻群算法并將其

【參考文獻】：
期刊論文
[1]狼群優(yōu)化的二維Otsu快速圖像分割算法[J]. 曹爽,安建成.  計算機工程與科學. 2018(07)
[2]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)
[3]多種群隨機差分粒子群優(yōu)化算法及其應用[J]. 王皓,高立群,歐陽海濱.  哈爾濱工程大學學報. 2017(04)
[4]新的基于分解直方圖的三維Otsu分割算法[J]. 徐青,范九倫.  傳感器與微系統(tǒng). 2017(01)
[5]基于模擬退火的果蠅優(yōu)化算法[J]. 張斌,張達敏,阿明翰.  計算機應用. 2016(11)
[6]基于多閾值Otsu準則的閾值分割快速計算[J]. 申鉉京,劉翔,陳海鵬.  電子與信息學報. 2017(01)
[7]多種群子空間學習粒子群優(yōu)化算法[J]. 孫輝,朱德剛,王暉,趙嘉.  小型微型計算機系統(tǒng). 2016(09)
[8]二維直方圖重建和降維的Otsu閾值分割算法[J]. 陳金位,吳冰.  圖學學報. 2015(04)
[9]二維Otsu自適應閾值快速算法的改進[J]. 錢衛(wèi)星,黃麗亞.  華僑大學學報(自然科學版). 2015(04)
[10]醫(yī)學圖像分割及其發(fā)展現(xiàn)狀[J]. 江貴平,秦文健,周壽軍,王昌淼.  計算機學報. 2015(06)

博士論文
[1]螢火蟲群智能優(yōu)化算法及其應用研究[D]. 李敬明.合肥工業(yè)大學 2017

碩士論文
[1]醫(yī)學圖像多閾值分割群智能優(yōu)化算法的研究[D]. 方政.吉林大學 2017
[2]螢火蟲算法的理論分析及應用研究[D]. 胡婷婷.西安工程大學 2015
[3]螢火蟲算法的研究與應用[D]. 高偉明.蘭州大學 2013



本文編號：3646341