基于QPSO的图像分割算法

文章将具有量子行为粒子群优化(QPSO)算法应用到图像分割中,提出了一种新的图像分割算法.新方法基于最佳熵阈值分割技术,用QPSO算法自适应选取分割阈值;仿真实验针对Lena图像分割问题,将标准粒子群优化(PSO)算法与QPSO算法分别独立运行,仿真结果表明,基于QPSO优化的图像分割算法不仅克服了PSO容易过早陷入局部最优值的缺点,而且分割速度更快,是一种更有效的分割方法.     

基于神经网络——粒子群优化算法的医学图像分割新方法

提出了一种基于神经网络——粒子群优化算法的医学图像分割新方法,将粒子群优化算法用于神经网络的学习训练,克服了神经网络收敛速度慢,以及容易收敛到局部最优解的缺点。并与遗传算法进行了比较,结果表明,该方法不仅能更快地收敛于最优解,而且在分割准确率、误差率以及运行时间上也都有了较明显的提高。     

基于混沌粒子群优化算法的二维熵图像分割方法

针对二维熵图像分割方法在求取最佳阈值时存在计算量大及微粒群算法容易陷入局部最优且速度较慢等等问题,提出了基于混沌粒子群优化算法的二维熵图像分割方法。该方法考虑了图像中像素点灰度——邻域灰度均值对作为阈值对图像进行分割;利用混沌运动随机性、遍历性和初值敏感性,将混沌粒子群优化算法与阈值法相结合在二维空间作全局搜索。实验结果表明了基于混沌粒子群优化算法的二维熵图像分割法用于阈值寻优减少了搜索时间,提高了收敛率。     

图像分割方法及其应用研究

本文主要介绍了图像分割的一种常用方法——基于阈值的图像分割方法及其存在的问题和最新进展,同时介绍了以肺CT图为例应用迭代法分割出肺实质,最后指出了图像分割技术的应用现状及发展趋势。     

岩石薄片正交偏光图像的颗粒分割方法

为了解决图像分析技术应用于岩石薄片粒度分析一直受到图像分割效果的制约问题,提高岩石颗粒自动分割的准确性,提出了一种岩石薄片图像颗粒分割的新方法。该技术是以自主研制的图像采集系统为基础,通过序列图像获取、序列图像处理、多分割层叠加、SRM算法分割以及小面积合并处理等实现颗粒分割。实践表明该技术用于碎屑岩薄片粒度分析可以实现90%以上的颗粒准确分割,具有良好的实用性、可靠性和准确性,弥补了普通显微镜在粒度分析中的不足,具有较高的推广价值。     

医学图像分割方法综述

医学图像分割是决定医学图像在临床诊疗中能否提供可靠依据的关键问题.本文在对国内外医学图像分割相关文献进行研究总结的基础上,对国内外常用医学图像分割方法的基本理论和特点进行了较为全面的论述,对各种分割方法的优缺点及其应用效果进行了总结.     

医学图像分割方法综述

医学图像分割是决定医学图像在临床诊疗中能否提供可靠依据的关键问题。本文在对国内外医学图像分割相关文献进行研究总结的基础上,对国内外常用医学图像分割方法的基本理论和特点进行了较为全面的论述,对各种分割方法的优缺点及其应用效果进行了总结。     

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Copulas的多元密度函数估计方法

在多传感器决策和估计融合中,利用多站之间的随机信号观测的联合密度函数可以提高决策和估计融合的性能然而,在多传感器信号的观测采样过程中,单站往往可以采到丰富的信号观测样本,而多站之间只能采集到少量的联合信号观测样本采用经典的核密度估计方法只能利用多站之间少量的联合随机信号的观测样本来估计信号观测的联合密度函数,无法利用单站丰富的信号观测的样本信息本文基于Copulas获得了两种多元密度函数的非参数估计方法它们既能充分的利用多站之间的少量的联合观测样本的信息,又能充分的利用单站丰富的观测样本的信息数值     

一种基于粒子群的模糊聚类图像分割算法

针对图像分割特征具有交叉重叠现象、其类属的划分存在不确定性的分割问题,模糊聚类分割算法具有较强的优势,但其速度慢且容易陷入局部最优以及对初始值的设置敏感等问题.根据粒子群优化算法具有全局寻优能力,同时还具有较强的局部寻优能力,能更快收敛于最优解的特点,提出了一种基于粒子群的模糊聚类分割算法.实验证明,该算法相比传统的模糊聚类分割算法,具有更快的收敛速度和更高的分割精度.     

基于改进粒子群的模糊聚类超声图像分割

医学超声图像由于存在斑点噪声等模糊和不确定性的特点使得分割一直是一个难题。模糊C-均值聚类算法是一种结合无监督聚类和模糊集合概念的技术,广泛应用于图像分割,但存在着受初始聚类中心和目标函数高度非线性影响,极易收敛到局部极小的缺点。将集群智能的粒子群优化算法(PSO)与模糊C-均值聚类算法相结合,实现了基于粒子群模糊C-均值聚类的图像分割算法。实验结果表明,该方法具有搜索全局最优解的能力,因而可得到很好的图像分割结果。     

基于改进量子粒子群优化的多阈值图像分割算法

为提升工程应用中图像分割的质量,在变异量子粒子群算法的基础上进行改进,并结合最大类间方差法提出了一种基于改进量子粒子群优化(QPSO)的多阈值图像分割算法.该算法结合贝叶斯定理与粒子搜索过程中的历史信息构建了一个记忆向量,然后根据记忆向量对每个粒子的行为进行预测,并以此自动设置各粒子的变异概率,使算法在保持一定局部开发能力的同时提升全局搜索能力.在Berkeley数据集上的仿真实验结果表明,与两种基于粒子群的图像分割算法相比,文中算法能获得更为稳定且清晰的图像分割结果.     

基于PSO的Live Wire交互式图像分割算法

传统Live Wire算法易受伪轮廓干扰,并且算法执行速度较慢.针对这些问题,提出一种基于PSO的Live Wire交互式图像分割算法.算法首先构造新的代价函数,引入相邻节点间梯度幅值变化函数来减轻伪轮廓的干扰,提高了算法的分割精度;其次,为了提高算法的执行效率,应用粒子群算法求取图像中任意两点间最短路径来定位目标边界...     

基于CT图像的自动肺实质分割方法

在肺癌、肺气肿等肺部疾病计算机辅助诊断方法中,肺实质分割是最核心的步骤.提出一种基于三维CT图像序列的新的自动肺实质分割方法,综合利用了阈值分割、区域增长及数学形态学等算法,并在特定体层通过图搜索算法精确定位左右肺前后连接线狭窄区域,有效解决了肺实质边缘结节易分割遗漏及左右肺分离的难题.通过多组胸部CT序列图像的实验证明,该方法对于肺实质分割非常精确有效.     

基于KFCM与SAPSO算法的图像分割

为了克服基于FCM算法的图像分割技术对噪声敏感和运算效率低等缺点,利用KFCM算法对于噪声的鲁棒性质,以及模糊退火算法Metropolis准则和粒子群算法相结合的智能全局搜索能力,改进了图像分割技术。实验表明:该算法具有一定的降噪和全局搜索能力,提高了运算速度及图像分割效果。该算法对于丰富图像分割研究具有一定的参考价值和指导意义。     

基于混沌映射的PSO及其在图像分割中的应用

目的提出了一种基于混沌映射的粒子群优化算法。方法一方面,应用逻辑自映射函数初始化均匀分布的粒群以提高初始解的质量;另一方面,根据群体早熟收敛的判断机制,在算法进化过程中引入局部变异机制和局部重新初始化粒群的方法以有效避免算法陷入局部收敛的缺点。结果该算法应用在基准测试函数优化中能有效提高全局寻优的性能,且稳定性好;应用在图像分割中取得了与遗传算法同样好的分割效果。结论提出的算法具有有效性和实用性,可用于求解高维复杂函数以及工程优化问题。     

基于改进粒子群优化算法的图像分割

针对当前主动轮廓模型难实现图像高精度分割的问题, 以获得更理想的图像分割结果为目标, 提出一种基于改进粒子群优化算法的图像分割方法. 首先分析传统主动轮廓模型, 指出其存在的局限性; 然后建立能量最小化控制点的泛化函数, 采用粒子群优化算法对泛化函数的最优值进行搜索, 根据所有的能量最小化控制点实现图像分割; 最后采用标准图像库与传统图像分割方法进行对比测试. 测试结果表明, 相对于传统方法, 该方法能更精准、 快速地分割图像, 并有效抑制图像中的噪声干扰, 可获得理想的图像分割效果.     

基于距离场的非线性图像插值分割方法

对于医学序列切片,需要图像分割技术将图像中感兴趣区域ROI(region of interest)提取并进行三维重建.提出一种基于距离场的非线性图像插值分割方法,该方法克服了软组织因灰度值分布不均匀难分割的问题,可以快速提取ROI区域.实验表明用该方法进行医学序列切片的分割,可以得到良好的分割结果,并已成功地应用于医学数据的三维重建系统中.     

粒子群优化算法在脑部肿瘤图像分割中的应用

粒子群优化算法能选择适当的适应度函数,使每组粒子群根据相应的适应值搜索到最佳聚类中心,改善了FCM算法和K-means算法的不足,具有适应性强,实时性好,受噪声影响小等特点。本文将其应用于脑部肿瘤图像的分割,结果表明,粒子群聚类算法是一种很有潜力的图像分割方法。     

基于最大区域互信息量的生物细胞图像分割

针对基于互信息量的阈值分割算法没有考虑像素的空间结构信息以及分割后图像与原图像之间关系的问题,提出了一种基于最大区域互信息量的图像分割算法.以区域互信息量作为目标函数,综合考虑图像各像素的邻域数据以及图像内在空间信息,利用粒子群算法找出图像分割的最佳阈值,克服了基于最大互信息量分割方法的不足.