基于改进蚁群算法的阈值医学图像分割

为了提高医学图像分割的精确度,提出了一种基于改进蚁群算法的阈值医学图像分割.对蚁群算法中的初始聚类中心、动态更新信息素浓度和参数变量进行了改进.实验结果证明:改进算法可以提高医学图像的分割精确度,同时克服蚁群算法搜索时间较长,求解速度较慢的缺陷,缩短运算时间.     

基于蚁群算法的图像分割方法

目的提出基于蚂蚁算法的图像分割技术,解决传统的图像分割算法分割图像的效果不理想、不能满足图像分割要求等问题。方法将图像的灰度、梯度和邻域特征组合成蚂蚁,通过MATLAB实现蚁群图像分割算法对图像的外廓提取。结果与结论相对于传统的图像分割算法,基于蚂蚁算法的图像分割算法的外廓提取具有更高的仿真精度,得到的图形外廓更为理想。     

模糊Tsallis熵及其在图像阈值分割中的应用

对于图像处理、模式识别与计算机视觉来说,图像分割是一种重要的技术。在众多图像分割技术中,阈值化技术由于其简单及有效性得到了广泛应用,而阈值的选择则成为其中一个关键的问题。模糊集理论在许多领域得到了成功的应用,如,控制、模式识别、医学等。可以认为,在进行图像处理时,人们自然地把一些模糊因素考虑进来,如,图像边缘、区域、纹理等术语的定义。基于非广延统计力学熵原理,提出了构建模糊Tsallis熵,同时也证明了在图像分割中,模糊Tsallis熵是基于Shannon原理的模糊熵的推广。基于最大熵原则,把模糊Tsallis熵应用于图像阈值分割,在合成及真实图像分割实验中,显示了所提出的模糊熵的有效性。     

基于蚁群寻路的图像分割算法

文章主要是对蚁群算法做了一定的改进,将它用于图像分割,然后将分割出来的图像的边界利用腐蚀算法进行细化以达到更好的分割效果。分割算法可以看作一个组合优化问题,人工蚁群算法就是一种优化方法。因此,将人工蚁群算法引入到图像分割处理中完全可行。经过实验证明,该方法是完全可行的。     

基于遗传算法的图像阈值分割算法研究

图像分割是图像处理的一个重要研究方向,本文在介绍了基于阈值的图像分割算法的基础上,针对最大类间方差的寻优问题,利用遗传算法求解最佳阈值,大大提高了计算速度。     

二维熵图像阈值分割的遗传算法

在研究二维熵阈值分割原理的基础上,将遗传算法用于最优阈值的求取,探讨了其快速算法和全局寻优方面的优良特性．研究结果表明,本算法收敛速度快,稳定性好,适合于多阈值的求取．     

基于Renyi熵与PSO算法的图像多级阈值分割

在图像阈值分割方法中,Renyi熵法因其显著效能而得到大量应用.为了更好地发挥Renyi熵在图像分割中的应用,提出把Renyi熵法扩展到图像多级阈值化问题.然而,由于计算时间复杂度上的高要求,很难把这种有效的技术推广到复杂图像多级阈值化问题.为减少本方法的计算时间,应用粒子群优化算法实施最佳阈值的搜索.实验结果表明,本方法能有效地对图像进行多级分割,并且显著降低计算时间.     

基于自适应布谷鸟搜索算法的Tsallis熵阈值图像分割

针对现有图像分割算法中计算复杂度大的问题,提出一种基于自适应布谷鸟(adaptive cuckoo search,ACS)算法的Tsallis熵阈值图像分割方法,能够改善学习过程和收敛速度,减少分割时间.该方法使用Tsallis熵作为ACS的适应度函数值,实现无参数搜索过程,在搜索空间中使用当前位置的知识来自适应步长,最后使用ACS最大化Tsallis熵来获得最优阈值,得到分割图像.实验结果表明,该文方法能够有效实现图像分割,且分割时间低于粒子群优化算法、布谷鸟搜索算法和改进布谷鸟搜索算法,结构相似性(Structural Similarity, SSIM)和收敛成功率高于其他算法.     

基于乌鸦搜索优化算法的多级阈值图像分割方法

针对传统Kapur熵在多阈值图像分割算法中存在运算量大、计算效率低以及精度不高等问题,提出了一种基于乌鸦搜索优化算法的多级阈值图像分割方法,该方法采用Kapur熵作为计算适应度的目标函数,通过引入乌鸦搜索优化算法求解目标函数最大化时的全局最优问题.实验结果表明:相对于其他方法,本文方法在多个评价指标上都有很好的性能体现...     

一种基于自适应阈值的图像分割算法

为提高目标检测概率，针对复杂的地面目标红外亚图像，提出了一种以最大类间方差法为基础的自适应阈值图像分割方法。用分割出的目标和背景区域的灰度统计量，设计了一个判断是否得到正确分割的准则．理论分析和实验结果表明，对于复杂背景下低对比度、低信噪比的地面目标，不论目标在图像中所占面积大小，利用该方法均可得到正确的分割结果．通过设置阈值运算的灰度取值范围，可大大减少计算量，节省处理时间．     

基于混沌蚁群优化小波阈值法地磁信号噪声压制

地磁信号测量广泛应用于资源勘探、地质勘查和管线探测等领域。由于实际测量地磁信号易受到外界环境因素干扰,影响后期地磁数据资料解释。针对常规去噪算法需要获取噪声信号的统计特性,难以达到较好的去噪效果,本文研究基于混沌蚁群优化的小波阈值方法,将信号小波分解后,使用GCV函数选取阈值,结合混沌蚁群算法迭代寻优,确定最优阈值,进而实现地磁信号的噪声压制。通过对合成正弦信号和实测地磁信号进行去噪处理,与常用方法去噪法对比,本文方法去噪效果明显提升。     

分散、递阶蚁群算法及其在相变序列图像分割中的应用

提出了一种分散、递阶蚁群算法，它将多个分散的蚁群并行求解各自对应的子问题，形成一个执行层，而递阶协调层利用执行层反馈的信息协调执行层的优化过程，从而得到递阶求解问题的整体最优解．该算法已应用于相变热图序列图像模糊相变线的提取问题，即运用区域划分方法先将序列图像的分割转化为关联型多子图搜索问题，再利用分散、递阶蚁群算法进行求解，结果表明该算法能很好地利用相变线的运动信息成功地解决热相变序列图像分割问题．与蚁群算法独立搜索比较，分散、递阶蚁群算法能更有效地实现多子图之间的关联．     

融合视觉模型和最大熵的阈值分割算法

针对传统二维最大熵阈值分割算法关于二维直方图的区域划分中存在的缺点(即图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点)以及搜索最佳阈值向量的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了一种二维直方图的新的区域划分方法,同时还提出了基于视觉模型的二维最大熵阈值分割算法,提出的阈值分割算法降低了计算复杂度的同时还具有很好的分割性能。根据一些图像分割的定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出算法的分割效果更好。     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。     

采用序优化的改进蚁群算法

为了评价蚁群算法在有限时间内所得优解的质量,基于序优化方法提出了一种改进的蚁群算法:使用盲目挑选规则选择初始解,并对信息素进行相应的初始化;确定得到满足要求的优解所需要的迭代次数,将其作为算法的终止条件;为了更好地利用每次迭代中的优解,在算法开始阶段使用前l个迭代优解更新信息素,以增强探索能力;在算法结束阶段采用当前迭代最优解更新信息素,以加快收敛速度.改进算法在保证收敛的前提下,并没有增加算法的时间复杂度.对旅行商问题进行的仿真实验表明,改进算法在解的质量和收敛速度方面优于最大-最小蚂蚁系统.     

基于遗传算法和蚂蚁算法的图象分割

遗传算法对系统中的反馈信息利用不够,当求解到一定范围时往往做大量无谓的冗余迭代,求精确解的效率低下;蚂蚁算法初期信息素匮乏,求解速度慢．作者取长补短综合采用这两种方法来分割图象．首先采用遗传算法搜索隶属度曲面及其对应的欧氏距离,接着采用蚂蚁算法分割图象,取得了较好的分割效果．     

基于免疫进化的蚁群算法在梯级水库优化调度中的应用研究

针对蚁群算法在求解过程中出现初期信息素匮乏、易陷入局部最优解的问题,结合梯级水库优化调度的特点,提出了基于免疫进化的蚁群算法。该混合算法充分利用了免疫进化算法的全局快速收敛性和蚁群算法的正反馈性,提高了求解效率。实例计算表明该混合算法在求解梯级水库优化调度问题时,与逐次逼近动态规划相比较,结果合理、可靠,计算效率较高,从而为求解高维、复杂的梯级水库优化调度提供了一条新的求解思路。     

图像分割的阈值法研究

阐述了阈值分割法的基本原理,介绍了常用的阈值选取方法,并实现了全局阈值和动态阈值对图像的分割,给出了实验结果,分析了阐值法的特点,讨论了阈值法在图像分割中的应用。     

基于混沌弹性粒子群优化与基于分解的二维交叉熵阈值分割

为了提升二维交叉熵阈值分割法运行速度,提出了基于混沌弹性粒子群优化（CRPSO）和基于分解的2种二维交叉熵阈值分割算法.前者利用CRPSO算法寻找二维交叉熵法的最佳分割阈值,并采用递推方式避免迭代过程中适应度函数的重复计算,使运算速度大大提高;后者将二维交叉熵法的运算转换到2个一维空间上,计算复杂度由O(L2)进一步降为O(L).实验结果表明,2种算法能够在保证分割效果达到或优于现有二维交叉熵阈值分割法的前提下,运行时间大幅减少.