混沌優(yōu)化算法及其在交通圖像分割中的應(yīng)用

《混沌優(yōu)化算法及其在交通圖像分割中的應(yīng)用》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、學(xué)校代號10532學(xué)號S150900768分類號TP391密級公開碩士學(xué)位論文混沌優(yōu)化算法及其在交通圖像分割中的應(yīng)用學(xué)位申請人姓名張庭培養(yǎng)單位電氣與信息工程學(xué)院導(dǎo)師姓名及職稱袁小芳教授學(xué)科專業(yè)控制科學(xué)與工程研究方向智能優(yōu)化算法及應(yīng)用論文提交日期2018年4月20日學(xué)校代號：10532學(xué)號：S150900768密級：公開湖南大學(xué)碩士學(xué)位論文混沌優(yōu)化算法及其在交通圖像分割中的應(yīng)用學(xué)位申請人姓名：張庭導(dǎo)師姓名及職稱：袁小芳教授培養(yǎng)單位：電氣與信息工程學(xué)院專業(yè)名稱：控制科學(xué)與工程論文提交日期：2018年4月20日論文答辯日期：2018年5月22日答辯委員會主席：張小剛Chao

2、sOptimizationAlgorithmandItsApplicationinTrafficImageSegmentationbyZhangTingB.E.(HangzhouDianziUniversity)2015AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinControlScienceandEngineeringintheGraduateSchoolofHunanUniversitySupervisorProfessorYuanX

3、iaofang湖南大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名：日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)湖南大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用

4、影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1、保密□，在年解密后適用本授權(quán)書。2、不保密R。（請在以上相應(yīng)方框內(nèi)打“√”）作者簽名：日期：年月日導(dǎo)師簽名：日期：年月日I混沌優(yōu)化算法及其在交通圖像分割中的應(yīng)用摘要在交通領(lǐng)域，交通圖像種類繁多，包括車牌圖像、車輛圖像、道路圖像以及交通標(biāo)志圖像，由于交通圖像容易受到噪聲的污染，因此有必要對交通圖像處理技術(shù)進(jìn)行研究。交通圖像分割結(jié)果直接影響著交通圖像的檢測和識別，而傳統(tǒng)的基于聚類的交通圖像分割算法存在適應(yīng)性不強(qiáng)且容易陷入局部最優(yōu)的缺陷。由于混沌優(yōu)化算法在全局范圍內(nèi)搜索最優(yōu)解，不容易陷入局部最優(yōu)，本文通過對混

5、沌優(yōu)化算法進(jìn)行研究，針對混沌優(yōu)化算法存在的不足進(jìn)行改進(jìn)，并將改進(jìn)后的并行混沌和聲搜索算法應(yīng)用到交通圖像分割當(dāng)中，提出了并行混沌和聲搜索聚類算法。此外，本文還將混沌運(yùn)用到多目標(biāo)優(yōu)化問題，提出了多目標(biāo)混沌優(yōu)化算法，通過將多目標(biāo)混沌優(yōu)化算法運(yùn)用到交通圖像分割當(dāng)中，提出了多目標(biāo)混沌優(yōu)化聚類算法。本文的主要研究工作分為以下四大塊：雖然混沌優(yōu)化算法在全局范圍內(nèi)搜索效果較好，但是混沌優(yōu)化算法存在對初始值較為敏感且局部搜索能力不足的缺陷。針對混沌優(yōu)化算法對初始值較為敏感，采用并行混沌搜索的機(jī)制進(jìn)行改進(jìn)；針對混沌優(yōu)化算法搜索局部最優(yōu)解的效果較差，將其與和聲搜索算法相結(jié)合。通過引入交叉操

6、作以及合并操作，將混沌用于對多目標(biāo)問題進(jìn)行優(yōu)化，本文提出了多目標(biāo)混沌優(yōu)化算法。該算法首先運(yùn)用混沌載波進(jìn)行全局搜索，然后再通過交叉操作以及合并操作進(jìn)行局部尋優(yōu)。此外，通過加入自適應(yīng)變化的噪聲，多目標(biāo)混沌優(yōu)化算法的自適應(yīng)性得到加強(qiáng)，與此同時，優(yōu)化效果也得到進(jìn)一步提升。通過將并行混沌和聲搜索算法與聚類技術(shù)相結(jié)合，本文提出了并行混沌和聲搜索聚類算法，并將該算法與硬聚類算法以及模糊聚類算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明，并行混沌和聲搜索聚類算法相比硬聚類算法以及模糊聚類算法具有更好的交通圖像分割效果。通過將多目標(biāo)混沌優(yōu)化算法與聚類技術(shù)相結(jié)合，本文提出了多目標(biāo)混沌優(yōu)化聚類算法。通過實(shí)驗(yàn)仿

7、真，確定了多目標(biāo)混沌優(yōu)化聚類算法的優(yōu)化指標(biāo)：XB和Jm。最后，將多目標(biāo)混沌優(yōu)化聚類算法與并行混沌和聲搜索聚類算法以及多目標(biāo)遺傳優(yōu)化聚類算法進(jìn)行對比，實(shí)驗(yàn)結(jié)果表明多目標(biāo)混沌優(yōu)化聚類算法具有更好的適應(yīng)性和交通圖像分割效果。關(guān)鍵詞：圖像分割；混沌優(yōu)化；多目標(biāo)優(yōu)化；自適應(yīng)噪聲；優(yōu)化指標(biāo)；聚類技術(shù)II碩士學(xué)位論文AbstractInthefieldoftransportation,therearemanytypesoftrafficimages,includinglicenseplateimages,vehicleimages,roadimagesandtra