近年來,圖像處理技術(shù)在缺陷檢測、工件尺寸測量、產(chǎn)品輔助裝配等工業(yè)領(lǐng)域得到廣泛的應(yīng)用。圖像增強(qiáng)和圖像分割是圖像處理的核心環(huán)節(jié),也是學(xué)術(shù)界研究的熱點(diǎn)。因此,本文提出一種改進(jìn)的花朵授粉算法并應(yīng)用到工業(yè)圖像增強(qiáng)和分割領(lǐng)域。首先,針對基本花朵授粉算法收斂速度慢等問題,本文提出一種改進(jìn)的花朵授粉優(yōu)化算法。首先引入線性權(quán)重,使算法的局部搜索能力逐漸增強(qiáng)。其次,提出一種優(yōu)質(zhì)解隨機(jī)游走策略,進(jìn)一步提高花朵授粉優(yōu)化算法的搜索能力。最后,將該改進(jìn)型花朵授粉算法用于函數(shù)優(yōu)化并與遺傳算法、引力粒子群算法和基本的花朵授粉算法進(jìn)行對比,仿真實(shí)驗(yàn)結(jié)果表明,本文所提出的算法在收斂精度和收斂速度方面均優(yōu)于其它算法。其次,將改進(jìn)花朵授粉算法應(yīng)用于工業(yè)圖像增強(qiáng)。利用其算法的優(yōu)秀搜索能力,尋找最優(yōu)變換參數(shù),再進(jìn)行圖像的增強(qiáng)。通過與其它三種算法進(jìn)行對比,證明了改進(jìn)花朵授粉算法的工業(yè)圖像增強(qiáng)方法的有效性。最后,將本文提出的改進(jìn)花朵授粉算法運(yùn)用到工業(yè)圖像的分割過程中。選擇最大類間方法（Otsu）和最大熵法（Kapur’s entropy）作為適應(yīng)度函數(shù)。實(shí)驗(yàn)結(jié)果表明:基于改進(jìn)花朵授粉算法的工業(yè)圖像分割方法,具有較高的分割精度和魯棒性... 

【文章來源】：長春工業(yè)大學(xué)吉林省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

Levy飛行示意圖

第3章改進(jìn)花朵授粉算法與性能分析25FPA225438.924734861090011本文算法58.772441460.331432.4735表3-7HighConditionedEllipticFunction函數(shù)上優(yōu)化結(jié)果對比算法最優(yōu)解最差解平均值GA1.61E+081.51E+094.74E+08PSOGSA1.17E+095.57E+093.55E+09FPA2.66E+081.19E+097.09E+08本文算法7.25E+073.67E+081.73E+08通過CEC2014函數(shù)HighConditionedEllipticFunction函數(shù)對最優(yōu)位置進(jìn)行旋轉(zhuǎn)，可以進(jìn)一步驗(yàn)證改進(jìn)算法的性能。圖3.2Sphere函數(shù)收斂曲線圖3.3Schwefel2.22函數(shù)收斂曲線圖3.4Schwefel1.2函數(shù)收斂曲線圖3.5Schwefel2.21函數(shù)收斂曲線圖3.6Rosenbrock函數(shù)收斂曲線圖3.7HighConditionedEllipticFunction函數(shù)收斂曲線

第3章改進(jìn)花朵授粉算法與性能分析25FPA225438.924734861090011本文算法58.772441460.331432.4735表3-7HighConditionedEllipticFunction函數(shù)上優(yōu)化結(jié)果對比算法最優(yōu)解最差解平均值GA1.61E+081.51E+094.74E+08PSOGSA1.17E+095.57E+093.55E+09FPA2.66E+081.19E+097.09E+08本文算法7.25E+073.67E+081.73E+08通過CEC2014函數(shù)HighConditionedEllipticFunction函數(shù)對最優(yōu)位置進(jìn)行旋轉(zhuǎn)，可以進(jìn)一步驗(yàn)證改進(jìn)算法的性能。圖3.2Sphere函數(shù)收斂曲線圖3.3Schwefel2.22函數(shù)收斂曲線圖3.4Schwefel1.2函數(shù)收斂曲線圖3.5Schwefel2.21函數(shù)收斂曲線圖3.6Rosenbrock函數(shù)收斂曲線圖3.7HighConditionedEllipticFunction函數(shù)收斂曲線

【參考文獻(xiàn)】：
期刊論文
[1]基于Levy飛行策略的改進(jìn)樽海鞘群算法[J]. 張嚴(yán),秦亮曦.  計算機(jī)科學(xué). 2020(07)
[2]基于改進(jìn)人工蜂群的圖像增強(qiáng)算法[J]. 郭文艷,周吉瑞,張姣姣.  計算機(jī)工程. 2017(11)
[3]花授粉算法的改進(jìn)及在壓力容器設(shè)計中的應(yīng)用[J]. 李前,賀興時,楊新社.  計算機(jī)工程與應(yīng)用. 2017(13)
[4]花朵授粉算法的研究及在測試數(shù)據(jù)自動生成中的應(yīng)用[J]. 董躍華,譚星成.  江西理工大學(xué)學(xué)報. 2016(05)
[5]融合高斯變異和Powell法的花朵授粉優(yōu)化算法[J]. 肖輝輝,萬常選,段艷明,喻聰.  計算機(jī)科學(xué)與探索. 2017(03)
[6]基于花朵授粉算法的產(chǎn)品拆卸序列規(guī)劃[J]. 焦慶龍,徐達(dá),李闖.  計算機(jī)集成制造系統(tǒng). 2016(12)
[7]神經(jīng)網(wǎng)絡(luò)噪聲檢測的自適應(yīng)加權(quán)均值濾波算法[J]. 葉小嶺,竇艷艷,胡凱.  計算機(jī)工程與設(shè)計. 2013(08)
[8]基于蛙跳算法與Otsu法的圖像多閾值分割技術(shù)[J]. 康杰紅,馬苗.  云南大學(xué)學(xué)報(自然科學(xué)版). 2012(06)
[9]子圖像加權(quán)的彩色圖像對比度增強(qiáng)算法[J]. 呂宗偉.  計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2012(08)
[10]基于照度劃分的多尺度圖像增強(qiáng)新算法[J]. 李驁,李一兵,劉丹丹.  吉林大學(xué)學(xué)報(工學(xué)版). 2012(02)

博士論文
[1]基于圖像處理的工件表面缺陷檢測理論與方法研究[D]. 趙君愛.東南大學(xué) 2016

碩士論文
[1]鴿群算法在水泥電鏡圖像增強(qiáng)與分割中的應(yīng)用研究[D]. 師恒.湖北工業(yè)大學(xué) 2019
[2]基于改進(jìn)蝙蝠算法的圖像多閾值分割[D]. 馬雙娜.燕山大學(xué) 2019
[3]人工魚群算法研究及其在圖像增強(qiáng)中的應(yīng)用[D]. 劉慧敏.西安電子科技大學(xué) 2014
[4]混沌猴群算法及其應(yīng)用[D]. 郝士鵬.天津大學(xué) 2010



本文編號：3570945