基于微粒群算法的數(shù)字圖像處理方法研究

《基于微粒群算法的數(shù)字圖像處理方法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、中南大學(xué)博士學(xué)位論文摘要隨著數(shù)字圖像處理技術(shù)在軍事、醫(yī)學(xué)、遙感、工業(yè)生產(chǎn)等領(lǐng)域越來越廣泛的應(yīng)用，圖像信息呈現(xiàn)出復(fù)雜性和多樣性特征，普遍存在著圖像信息處理的不完整性、不確定性以及建模困難等問題。因此，智能優(yōu)化算法在圖像處理領(lǐng)域得到了廣泛應(yīng)用，并在某些方面取得了比傳統(tǒng)方法更好的效果。近年來，將微粒群算法應(yīng)用于圖像處理領(lǐng)域的研究已取得一定成績，但在圖像分割、圖像增強(qiáng)和圖像復(fù)原等方面仍存在值得進(jìn)一步深入研究探討的問題。本文在研究微粒群算法基本理論的基礎(chǔ)上，提出了微粒群算法的改進(jìn)形式，并將微粒群算法和模糊理論、模擬退火算法結(jié)合應(yīng)用于圖像處理領(lǐng)域，研究基于微粒群算法

2、的圖像模糊閾值分割、圖像聚類分割、圖像增強(qiáng)和圖像復(fù)原方法。主要研究工作包括以下幾個方面。1．研究了基于微粒群算法的多峰函數(shù)尋優(yōu)問題，提出一種基于峰谷函數(shù)的小生鏡微粒群算法。算法通過峰谷函數(shù)判斷小生境子微粒群的生成和合并，產(chǎn)生新的小生境微粒群。該算法克服了初始化參數(shù)選取依賴于求解問題先驗知識、算法收斂速度慢等缺陷，提高了小生境微粒群算法的多峰函數(shù)尋優(yōu)能力，避免了計算資源的浪費(fèi)，使算法的尋優(yōu)效率和收斂速度均有明顯改善。2．提出了基于微粒群算法的最大模糊熵閾值分割算法。該算法利用微粒群算法的全局優(yōu)化能力，依據(jù)最大模糊熵原理，搜索模糊參數(shù)的最優(yōu)組合，自適應(yīng)地確定

3、分割閾值，能應(yīng)用于單目標(biāo)、多目標(biāo)以及信噪比較低圖像的分割，具有較強(qiáng)的適應(yīng)性和較好的圖像分割效果，并能大大降低計算的復(fù)雜度。3．提出了基于微粒群算法的圖像模糊聚類分割算法。根據(jù)不同的應(yīng)用對象，對傳統(tǒng)FCM算法的目標(biāo)函數(shù)進(jìn)行修改，設(shè)計了不同的適應(yīng)度函數(shù)，利用捕食者．食餌微粒群算法尋找最優(yōu)聚類中心，能應(yīng)用于普通圖像、噪聲污染圖像和彩色圖像的分割。提出的算法能克服模糊C均值聚類算法對初始聚類中心敏感易陷入局部最優(yōu)的不足，提高FCM算法的計算速度。特別是當(dāng)應(yīng)用于噪聲圖像分割時，提出的算法由于既考慮了圖像所具有的模糊性，又利用了圖像的空間信息，對噪聲不敏感，具有抗噪

4、性能好、魯棒性強(qiáng)等特點(diǎn)。4．提出了基于微粒群算法的圖像增強(qiáng)算法。該算法利用Tubbs提出的規(guī)則中南人學(xué)博士學(xué)位論文化Beta函數(shù)擬合對比度變換曲線，自動尋找Beta函數(shù)的最優(yōu)參數(shù)，實現(xiàn)灰度圖像對比度的自適應(yīng)變換；針對彩色圖像濾波，通過自適應(yīng)地獲得濾波器窗口的最優(yōu)權(quán)值，體現(xiàn)濾波器窗口內(nèi)像素之間的空間距離對濾波效果的影響，實現(xiàn)彩色圖像脈沖噪聲的自適應(yīng)濾波，其性能明顯優(yōu)于現(xiàn)有的彩色圖像濾波方法。5．提出了基于微粒群和模擬退火算法的圖像復(fù)原算法。該算法利用微粒群算法的快速搜索能力和模擬退火算法良好的全局收斂性能尋找最佳復(fù)原圖像，克服了傳統(tǒng)的圖像復(fù)原方法存在較多約

5、束條件、依賴先驗知識、計算求解復(fù)雜和對噪聲十分敏感等不足，能應(yīng)用于不同類型退化圖像的復(fù)原，并能有效地解決經(jīng)典維納濾波算法噪信功率比難以確定的問題。最后，對論文進(jìn)行了總結(jié)，并提出了一些有待于今后進(jìn)一步研究的問題。關(guān)鍵詞：微粒群算法，圖像分割，圖像增強(qiáng)，圖像復(fù)原n中南火學(xué)博上學(xué)位論文ABSTRACTDigitalimageprocessingtechnologyhasbeenwidelyusedinthefieldsofmilitary,medicine，remotesensingandindustryandSOon．Becauseofthecomplexi

6、tyanddiversityofimageinformation，thereareproblemsofimperfection，uncertaintyandmodelingdifficultiesinimageprocessingfield．Tosolveproblemsabove，intelligentoptimizationalgorithmshavebeenwidelyadopted，whichCanachieveabetterperformancecomparedwithothertraditionalmethodsinseveralrespec

7、ts．Inrecentyears，theresearchofparticleswarmoptimization(PSO)hasmadesomeprogressintheimageprocessingfield，buttherearestillmanyissuesaboutimagesegmentation，imageenhancementandimagerestorationworthfurtherstudying．OnthebasisoftheresearchonfundamentaltheoryofthePSOalgorithms，animprove

8、dparticleswarmoptimizationalgorithmispre