基于遗传算法的二维双阈值Otsu图像分割算法

为了提高图像分割的精度和效率,提出了一种基于遗传算法的二维双阈值最大类间方差法的图像分割算法。该方法用两个阈值同时考虑了图像像元点灰度信息的范围和像元点之间相关信息,并对未处理区域做了后处理,以提高分割的精度和鲁棒性。为了提高分割速度,给出了一种改进遗传模拟退火算法。实验结果表明,文中提出的方法比传统的二维最大类间方差法更加完整、快速地分割出复杂背景中的图像。     

基于空间截面投影的 Otsu 图像分割算法

针对传统三维Otsu法存在抗噪性差、计算复杂度高、难以多阈值扩展等不足,提出了一种基于空间截面投影的Otsu法。该方法采用垂直于主对角线的平面截三维直方图,并将截面内的点投影到主对角线上,进而建立一维的截面投影直方图以降低计算复杂度,然后基于该一维直方图进行Otsu分割;对于分割结果,运用基于阈值的后处理策略做进一步的处理以增强算法的抗噪性。实验结果表明：与现有三维Otsu法相比,该算法计算效率高、抗噪性好,能对含不同噪声的图像进行较好的分割。     

一种基于二维最大类间方差的图像分割算法

本文提出了一种二维最大类间方差的图像分割算法,该方法不仅利用了图像元点的灰度分布信息,而且充分考虑了像元点之间的空间相关信息,理论分析和实验表明,对于低对比度,低信噪比的地面目标,该方法具有良好的分割效果,在该算法的基础上,又提出也一种快速递推二维最在类间方差法,减少了计算量,节约存储空间,具有较强的实用价值。     

改进Otsu法的目标图像分割

在现代战争中,快速而有效地对攻击目标进行识别和跟踪对获取战争主动权起着很重要的作用,而要达到这个目的,就需要从目标图像中准确地分割出目标.在分析Otsu的基础上,结合两类之间间距和类内距离对图像分割效果的影响,提出一种改进的最大类间方差法,并应用于目标图像的分割.实验结果分析显示该方法可达到较好的图像分割效果,较之Otsu方法更佳.     

基于Otsu算法和分形维数相结合的红外云图分割

红外云图中的云系主要由积雨云、卷云、层云和积云组成,它们对于气象研究有很大的帮助。这4类云系具有不同的分形维数特征,因而可以借此对它们进行分割。但是由于地表和一些云具有相似的分形维数特征,单纯依靠分形维数的分割效果不理想。对此,采用最大类间方差（Otsu）算法,分离出地表,去除干扰,并对提取出的云系采用分形维数进行分割。由于传统分形维数算法在计算时只选取了窗口内的灰度最大和最小的像素点,获得的分形维数特征不够精确,造成分割的云系出现混淆的现象。对此,在计算的过程中加入窗口中的全部像素点,获得的分形维数能准确地描述区域特征,保证了云系分割的良好效果。     

基于改进的自适应差分演化算法的二维Otsu多阈值图像分割

针对常规最大类间方差法在多阈值图像分割中存在的运算量大、计算时间长、分割精度较低等问题,该文提出一种基于改进的自适应差分演化(JADE)算法的2维Otsu多阈值分割法。首先,为增强初始化种群的质量、提升控制参数的适应性,将混沌映射机制融入到JADE算法中;进而,通过该改进算法求解2维 Otsu 多阈值图像的最佳分割阈值;最终,将该算法与差分进化(DE), JADE,改进正弦参数自适应的差分进化(LSHADE-cnEpSin)以及增强的适应性微分变换差分进化(EFADE) 4种算法的2维Otsu多阈值图像分割进行比较。实验结果表明,与其它4种算法相比,基于改进JADE算法的2维Otsu多阈值图像分割在分割速度以及精度上均有较明显的改善。     

基于新遗传算法的Otsu图像阈值分割方法

最大类间方差（Otsu）图像分割法是常用的一种基于统计原理的图像阈值分割方法。为了改善Otsu耗时较多、分割的精度低、易产生图像误分割等不足,将猴王遗传算法与Otsu算法结合,运用猴王遗传算法的原理,寻找图像灰度的最大类间方差,即最佳阈值。结果表明,结合后的方法不仅提高了图像的分割质量、缩短了运算时间,而且非常适合图像的实时处理。     

基于记忆分子动理论优化算法的多目标截面投影Otsu图像分割

传统截面投影Otsu法后处理过程中的阈值Q为预先设定的常量,对含噪程度不同的图像普适性较差。该文提出一种基于记忆分子动理论优化算法的多目标截面投影Otsu法。该方法将阈值Q作为变量,结合分割阈值T,基于最大类间方差和最大峰值信噪比准则建立多目标图像分割模型,以兼顾图像分割的准确性和抗噪性;为免阈值增加而影响算法效率,将人工记忆原理引入分子动理论优化算法,设计了一种基于记忆分子动理论优化算法的多目标图像分割模型求解方法。实验表明：该方法分割准确、抗噪性强、鲁棒性好,对含不同噪声的图像更具普适性。     

基于改进PSO算法的Otsu快速多阈值图像分割

为了确定图像分割的最佳阈值,基于改进粒子群优化算法,提出了一种快速多阈值图像分割方法。首先引入独立峰值将直方图划分为若干区域,然后在各个区域使用最大类间方差法得到优化的目标函数,用具有非均匀变异特性和雁群飞行启示的线性递减惯性权重粒子群算法对目标函数进行优化,得到分割的最佳阈值,并用该阈值对图像进行分割。将分割结果与常规最大类问方差法的多阈值分割结果相比较,证明该算法不仅可以正确地实现图像分割,并可使分割速度大大提高。     

分数阶优化的鸽群图像分割算法

本文针对原始鸽群优化的二维最大类间方差法（Otsu）图像分割算法收敛速度慢的缺点,提出了基于混合分数阶鸽群优化的Otsu图像分割算法。算法将分数阶与鸽群优化算法结合,利用分数阶微积分的记忆性和遗传特性,使鸽群依据更多历史记忆获取更精确最优值,并进行分数阶增强滤波预处理,提高分割精度,引入混沌搜索算法增强种群多样性,加快收敛速度。改进算法利用Otsu算法的最大类间方差作为适应度函数来获取最佳阈值,进行图像分割。实验结果验证了本文算法的正确性和有效性。     

基于遗传算法的二维模糊C-划分最大熵SAR图像分割

在合成孔径雷达(SyntheticApertureRadar)自动目标识别中,图像分割的好坏直接影响目标的识别性能。本文将二维模糊最大熵方法应用于SAR图像,并根据SAR图像的特点,对其进行了改进。为了快速搜索到最优参数,采用了遗传算法和模拟退火方法进行全局寻优。实验结果表明,本文方法可有效地对SAR图像中的人造目标进行分割,并且具有执行时间短、鲁棒性强的优点。     

基于改进遗传算法的图像分割

分析了OTSU图像分割算法和遗传算法,针对基本遗传算法在优化OTSU图像分割算法中存在的易于早熟、陷入局部最优的不足,提出了一种基于改进遗传算法的图像分割算法。结合OTSU对遗传算法中的适应度函数进行改进,使得对个体的评价更合理,提高算法的全局搜索能力,避免了遗传算法陷入局部最优。实验结果表明,与基于基本遗传算法的图像分割方法相比,改进的图像分割算法在图像分割中获得的分割效果更佳。     

基于遗传模拟退火算法的约束求解

简述了遗传算法和模拟退火算法的特点,提出在约束求解中将两者结合起来,能大大提高算法的效率,并对此进行了实例分析。     

基于遗传算法的图像分割的研究

遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。图像分割是图像处理技术的研究对象之一,它对于图像特征提取、图像识别等图像处理技术等有着重要意义。主要研究基于遗传算法的图像分割效果,采用Matlab软件进行仿真实验,对不同图像分割算法的效果进行比较。实验表明,遗传算法是处理图像分割的优秀算法,图像分割效果相比于传统的图像分割算法更加优秀。     

一种用于分组调度的遗传模拟退火算法

分组调度已成为高速IP路由器中的关键技术之一。文章基于目前高速路由交换技术所采用的主体结构,带有虚拟输出队列（Virtual-output—Queue,VOQ）的输入队列交换结构,提出了一种遗传模拟退火算法,并将该算法应用于分组调度问题的求解之中。通过遗传模拟退火算法和传统遗传算法的仿真结果可以看出,遗传模拟退火算法具有良好的鲁棒性和收敛性。     

基于模拟退火遗传算法的波束图设计

针对传统的标准遗传算法应用于传感器阵列的波束图设计时,存在收敛速度慢和计算结果稳定性低的问题,文中提出了一种模拟退火遗传算法.该算法对标准遗传算法的适应度函数、交叉算子和异化算子等多个要素分别进行了改进,并融入了模拟退火算法.模拟退火遗传算法应用于波束图设计时,具有较快的收敛速度和较高的稳定性.仿真结果表明基于该算法的波束图设计方法,获得了比传统方法旁瓣级更低的波束图.     

基于遗传退火算法的变论域三维模糊导引律

给出了导弹、目标追逃运动的空间矢量方程,并针对传统比例导引律在拦截点附近需要较大过载,及难以适应大机动目标的高性能制导要求的缺陷,提出了一种变论域模糊三维导引律,将目标与导弹的接近速度以及目标的视线角速度作为模糊控制器的输入,指令加速度作为输出,并在传统的模糊逻辑控制基础上引入了一个非线性变论域函数,从而实现了模糊变量论域的动态改变,然后用遗传算法对导引规则进行了优化,最后,针对遗传算法“早熟”及收敛速度慢等缺点,用模拟退火算法对遗传算法进行了改进。仿真结果证明该方法的脱靶量小,拦截点附近需用过载小．是一种较为优越的导引方法。     

模拟退火遗传算法在混凝土层析成像中的应用

混凝土超声层析成像检测中,成像结果的稳定性和精确性仍很难满足实际要求.针对这个问题,提出一种基于模拟退火遗传算法的层析成像技术,根据超声波在混凝土中的传播特点,首先在反演算法中引入物理意义明确的自然权函数,形成二次增广目标函数方程;而后加入模拟退火搜索,使层析过程加速,并改善算法收敛性和稳定性;最后通过多位变异自适应遗传算法计算最优反演层析成像结果.数值仿真实验表明,由于利用了正确的先验信息,加上遗传模拟退火算法在寻找函数极值方面具有优良的特性,计算结果准确有效,数值稳定,成像结果能真实有效地反映对象内部缺陷,分辨力得到了明显改善.     

一种进化模拟退火矢量量化图像编码新算法

模拟进化和模拟退火是解决全局优化问题的随机搜索技术,它们在工程领域有着广泛的应用.本文将这两种技术有机结合,提出了一种进化模拟退火算法,并用其解决图像编码矢量量化码书设计问题.实验表明,算法具有收敛速度快、码书性能佳等优点.