分子動(dòng)理論優(yōu)化算法（KMTOA）是近年出現(xiàn)的一種新式啟發(fā)式全局優(yōu)化算法。由于該算法的吸引、排斥和波動(dòng)機(jī)制,保證了算法的易于實(shí)現(xiàn)性和快速收斂性的同時(shí)還為兼顧種群的多樣性提供可能。因此該算法受到了廣泛的關(guān)注,已經(jīng)成功的運(yùn)用到電力系統(tǒng)經(jīng)濟(jì)調(diào)度、電力系統(tǒng)無功優(yōu)化、智能樓宇負(fù)荷優(yōu)化調(diào)度以及圖像分割等多個(gè)領(lǐng)域。同時(shí),學(xué)者們也發(fā)現(xiàn)了算法本身所存在的不足,針對(duì)不同的應(yīng)用領(lǐng)域分別加以改進(jìn),提高了算法的應(yīng)用價(jià)值。在圖像分割等需要大量計(jì)算的應(yīng)用領(lǐng)域,得益于優(yōu)化算法的發(fā)展,很多圖像領(lǐng)域的問題都可以轉(zhuǎn)化為優(yōu)化問題來解決,如圖像的閾值分割問題就可轉(zhuǎn)換成優(yōu)化問題中參數(shù)最優(yōu)計(jì)算來處理。將優(yōu)化算法作為工具,采用迭代的方式計(jì)算某種準(zhǔn)則下目標(biāo)函數(shù)的最優(yōu)值即圖像分割的最優(yōu)閾值。面對(duì)圖像中多維數(shù)據(jù)的求解,優(yōu)化算法特別是智能優(yōu)化算法大大降低了計(jì)算量,隨而縮短計(jì)算時(shí)間。眾多的專家學(xué)者利用優(yōu)化算法的優(yōu)勢(shì)對(duì)其進(jìn)行了大量研究。本文在前人的工作基礎(chǔ)上,針對(duì)KMTOA的不足提出若干改進(jìn)措施,一、采用雙種群思想,通過分工合作而共同實(shí)現(xiàn)尋優(yōu)過程;二、為使普通種群在大范圍內(nèi)進(jìn)行搜索,提出了多樣性波動(dòng)算子,基于反饋的種群多樣性信息調(diào)節(jié)變異率而增強(qiáng)算... 

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 優(yōu)化算法的概述
    1.3 圖像分割的概述
        1.3.1 閾值分割法
        1.3.2 邊緣分割法
        1.3.3 聚類分割法
    1.4 優(yōu)化算法在圖像分割中的研究現(xiàn)狀
    1.5 論文結(jié)構(gòu)
第2章 分子動(dòng)理論優(yōu)化算法及其發(fā)展
    2.1 分子動(dòng)理論優(yōu)化算法
        2.1.1 算法原理
        2.1.2 算法步驟
    2.2 分子動(dòng)理論優(yōu)化算法的發(fā)展
        2.2.1 基于結(jié)晶的分子動(dòng)理論優(yōu)化算法
        2.2.2 基于教學(xué)的分子動(dòng)理論優(yōu)化算法
        2.2.3 人工記憶分子動(dòng)理論優(yōu)化算法
        2.2.4 離散分子動(dòng)理論優(yōu)化算法
    2.3 多種改進(jìn)分子動(dòng)理論優(yōu)化算法的對(duì)比
    2.4 本章小結(jié)
第3章 基于改進(jìn)分子動(dòng)理論優(yōu)化算法的Otsu多閾值分割
    3.1 基本分子動(dòng)理論優(yōu)化算法的不足
    3.2 算法改進(jìn)
        3.2.1 多樣性波動(dòng)算子
        3.2.2 精英協(xié)同精細(xì)化算
        3.2.3 遷移交流算子
    3.3 實(shí)驗(yàn)與結(jié)果分析
        3.3.1 實(shí)驗(yàn)說明及其參數(shù)設(shè)置
        3.3.2 高維和動(dòng)態(tài)函數(shù)測(cè)試
    3.4 算法收斂性及多樣性分析
    3.5 基于DP-KMTOA的多閾值圖像分割
        3.5.1 分割準(zhǔn)則
        3.5.2 分割步驟
        3.5.3 測(cè)試圖像
        3.5.4 實(shí)驗(yàn)說明及參數(shù)設(shè)置
        3.5.5 實(shí)驗(yàn)與結(jié)果分析
    3.6 本章小結(jié)
第4章 基于DP-KMTOA的改進(jìn)Otsu閾值分割
    4.1 二維Otsu法
        4.1.1 圖像噪聲
        4.1.2 二維Otsu法原理
        4.1.3 二維Otsu法的不足
    4.2 改進(jìn)Otsu法
        4.2.1 直線截距直方圖的Otsu法
        4.2.2 后降噪策略
    4.3 實(shí)驗(yàn)與結(jié)果分析
        4.3.1 DP-KMTOA在ILIH Otsu多閾值分割中的分割步驟
        4.3.2 不同Otsu算法分割效果比較
        4.3.3 與聚類算法分割效果比較
        4.3.4 DP-KMTOA與其他優(yōu)化的比較算法
    4.4 改進(jìn)圖像分割方法在汽車圖像分割中的應(yīng)用
        4.4.1 車輛檢測(cè)
        4.4.2 KMTOA_ILIH Otsu的車輛圖像分割
    4.5 本章小結(jié)
第5章 結(jié)論與展望
    5.1 本文總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間科研成果


【參考文獻(xiàn)】：
期刊論文
[1]一種混合改進(jìn)的雞群優(yōu)化算法[J]. 楊菊蜻,張達(dá)敏,張慕雪,朱陳柔玲.  計(jì)算機(jī)應(yīng)用研究. 2018(11)
[2]基于結(jié)晶過程的分子動(dòng)理論優(yōu)化算法[J]. 易靈芝,朱彪明,范朝冬,任柯,李杰,肖樂意.  計(jì)算機(jī)工程與科學(xué). 2017(09)
[3]圖像椒鹽噪聲的自適應(yīng)統(tǒng)計(jì)濾波法[J]. 王俠.  光電技術(shù)應(yīng)用. 2016(03)
[4]多元總體最小二乘問題的牛頓解法[J]. 王樂洋,趙英文,陳曉勇,臧德彥.  測(cè)繪學(xué)報(bào). 2016(04)
[5]一種改進(jìn)粒子群優(yōu)化算法的Otsu圖像閾值分割方法[J]. 劉桂紅,趙亮,孫勁光,王星.  計(jì)算機(jī)科學(xué). 2016(03)
[6]基于最大類間方差的改進(jìn)圖像分割算法[J]. 丁曉峰,何凱霖.  計(jì)算機(jī)工程與設(shè)計(jì). 2015(10)
[7]M-精英協(xié)同進(jìn)化分子動(dòng)理論優(yōu)化算法[J]. 范朝冬,章兢,易靈芝.  通信學(xué)報(bào). 2015(07)
[8]人工記憶優(yōu)化算法[J]. 黃光球,李濤,陸秋琴.  系統(tǒng)工程理論與實(shí)踐. 2014(11)
[9]帶反向預(yù)測(cè)及斥力因子的改進(jìn)粒子群優(yōu)化算法[J]. 范成禮,邢清華,李響,王振江.  控制與決策. 2015(02)
[10]搜索后期斥力增強(qiáng)型混合引斥力微粒群算法及可靠性優(yōu)化應(yīng)用[J]. 陳東寧,姚成玉,王斌,張瑞星.  中國(guó)機(jī)械工程. 2014(21)

碩士論文
[1]醫(yī)學(xué)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(xué) 2017
[2]智能樓宇用電信息感知系統(tǒng)與負(fù)荷優(yōu)化調(diào)度研究[D]. 李勝兵.湘潭大學(xué) 2017
[3]改進(jìn)分子動(dòng)理論優(yōu)化算法及其在無功優(yōu)化中的應(yīng)用研究[D]. 朱彪明.湘潭大學(xué) 2017
[4]粒子群混合智能優(yōu)化算法及應(yīng)用研究[D]. 汪維友.湖南大學(xué) 2016
[5]改進(jìn)型粒子群優(yōu)化算法及其在圖像分割中的應(yīng)用[D]. 肖高超.廣西師范大學(xué) 2008
[6]自適應(yīng)粒子群優(yōu)化算法及其在圖像分割中的應(yīng)用[D]. 李宏.大連理工大學(xué) 2006



本文編號(hào)：3664378