基于自适应免疫遗传算法的图像分割

为了有效地对灰度图像进行自动分割,本文基于代价函数最小化方法,提出一种自适应免疫遗传算法用于图像分割.文中图像分割问题被表示为组合优化问题,而自适应免疫遗传算法作为一种优化算法用来寻找(准)最优的分割图像.在该算法中,交叉、变异及免疫算子采用了自适应变化的概率,同时利用问题的先验知识和进化个体的历史信息自适应地提取疫苗,使算法的整体性能得到提高,产生了较令人满意的分割结果,并对噪声有较好的抑制作用.     

对多尺度边缘检测中边缘位移的研究

多尺度边缘检测的任务之一是寻求噪声平滑与保持细节边缘的折中,现已出现了许多自适应多尺度边缘检测方法,但使用多尺度的边缘检测方法常常使得边缘发生位移.为了使得在大尺度下求取的边缘位置不变,提出了一种根据局部图象特点,在最大尺度下求取保持图象边缘点位置不变的多尺度自适应边缘检测方法,并首先证明了对于绝大多数边缘点,如果使用恰当的小波基,那么,对于常规边缘检测算子,在大尺度下,也能准确定位;然后,利用以小波函数为核函数的积分运算与求导数之间的关系以及小波分析的多尺度特性给出了一种自适应的、保持位置不变的图象边缘检测方法,最后用实验进行了验证.     

基于遗传算法和梯度算子的图象边缘检测

图象边缘检测是计算机图象处理的最基本步骤之一。由于噪声的干扰和图象光照不均匀等因素的影响,目前的图象边缘检则方法还不能有效地检测出各种不同模式的边缘。在分析了几种常用边缘检测方法及其存在的检测精度不高,抗噪声性能较差等不足基础上,给出了一种基于遗传算法和梯度算子的图象边缘检测算法,该算法明显提高了检测精度和抗噪声能力。     

景物边缘提取的边缘分段自增强算法

景物边缘信息是进行图象分析和识别的重要属性,如何有效地从噪声图象中提取边缘是这些领域中的难点。该文提出了一种边缘分段自增强算法用于噪声图象的边缘提取。该算法首先对噪声图象进行小尺度高斯滤波,并使用该文设计的新型边缘检测算子获取引导信息,此边缘检测算子在定位精度、抑制噪声和虚假边缘方面具有很好的性能;然后对各搜索轨迹进行分段自增强,最后根据自增强累积的程度获取噪声图象中的边缘。实验结果表明:此算法能够有效地从噪声图象中提取物体的真实边缘,并能最大限度地保留细节信息。     

常用边缘检测技术的对比

边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点.经典的边缘检测算法如canny算子等是通过计算图像中局部小区域的差分来实现边缘检测的.这类算子对噪声非常敏感,并且常常会在检测边缘的同时加强噪声.多尺度形态学边缘检测利用不同的结构元素去作用图像,通过形态腐性和形态膨胀操作,获得了效果很好的图像边缘检测算法.单尺度形态学梯度算子也能很好提检测图像边缘,但结构元素的选取对输出结果影响较大.通过使用多尺度形态学梯度算子,可以弥补结构元素的大小问题.仿真结果表明,该算法能得到较为理想的图像边缘信息,其抗噪声性能明显优于经典的算子检测算法.     

基于二维局部均值分解的自适应保真项全变分图像滤噪方法

为了在滤除图像噪声的过程中既保留图像的边缘细节,又对噪声有良好的滤除效果,提出一种基于二维局部均值分解和局部高频能量的自适应保真项全变分图像滤噪算法.首先采用二维局部均值分解算法自适应地将图像分解成从高频到低频不同尺度的成分;然后将其中最高频的成分用于计算局部能量函数,求得自适应保真项参数;最后通过求解最小化能量泛函实现图像噪声滤除.实验结果表明,该算法能较好地保留图像的细节边缘,即使在强噪声下也能较好地对图像平滑区域实现滤噪,解决了其他算法在保留边缘的同时产生的阶梯效应、斑点效应以及边缘附近噪声滤除效果差等问题;且相比于自适应保真项全变分图像滤噪等典型算法,具有更好的鲁棒性与更快的处理速度.     

基于一类集合算子的图象去噪方法及其快速实现

为了保留图象结构特征 ,消除图象中的脉冲型噪声 ,给出并讨论了一种基于单调集合算子的图象去噪方法 .该方法首先把原图象分解为一簇水平集 ,然后利用特定集合算子 ,对水平集进行滤波处理 ,最后用处理后的水平集重建图象 .该图象去噪方法同传统的中值滤波、高斯滤波相比 ,具有保形、保对比度的特点 .另外 ,为了提高图象去噪方法的效率 ,提出了一种基于 Heap数据结构的快速算法 ,此算法的效率要明显地高于逐次取阈值的方法 .实验结果表明 ,单调集合滤波算子 ,在去除脉冲噪声和保持图象结构与对比度方面具有独特的性能 ,同时给出的快速算法也是可行的     

基于局部梯度信息的自适应提升小波变换

为解决传统的提升法小波变换容易模糊掉很多局部结构信息的缺陷,提出了一种自适应提升算法,该算法运用提升法的灵活性,通过引入局部的梯度信息G和一个决择算子D,并根据梯度信息来产生不同的决择输出,不仅能够自适应地选择不同的滤波方式,而且可使其具有自适应处理信号局部信息的能力.实验结果表明,运用此算法进行小波分解比传统的提升法小波分解的效果要更好.另外,该自适应提升算法在信号降噪和图象的边缘检测方面亦有广阔的应用前景.     

基于几何特征的虹膜定位算法

提出了利用虹膜边缘图象的几何特征以及圆相交弦的性质进行虹膜定位算法 .首先根据虹膜图象的整体灰度分布信息 ,利用边缘检测算子提取虹膜的内边缘图象 ,然后利用圆的相交弦性质以及投票策略提取虹膜的中心 ,最后利用 Hough变换的半径直方图投票策略提取虹膜内外径 .通过仿真实验的对比结果表明 ,该算法提高了虹膜定位的速度 ,同时对噪声具有一定的鲁棒性     

基于多尺度彩色形态矢量算子的边缘检测

数学形态学在图象处理中已经得到广泛地应用，但传统的形态学常应用于二值图象处理，后来发展应用到灰度图象处理，对于其用于彩色图象处理的研究还不是很多，通过对传统的数学形态学的几何描述，以及对目前形态学在边缘检测中的应用分析，提出了一种新的多尺度的彩色形态矢量边缘检测算子，该方法是利用不同尺度形态边缘检测算子来检测不同尺度下的边缘强度，再对不同尺度下的边缘强度图进行合并，从而得到新的边缘强度图象，利用该算法对实际图象和合成图象进行了实验，将实验结果与传统的边缘检测算法相比较，由于新的多尺度彩色形态矢量算子能检测出更多的细节边缘，因此将更有利于图象的进一步分析处理，同时将实验图象人为地增加噪声后，再利用该算法进行实验，其结果表明，该算法对噪声具有很好的鲁棒性。     

改进的自适应免疫遗传算法在图像增强中的应用

针对传统图像增强方法中图像细节丢失、图像对比度不明显以及方法普适性差等缺点,提出了一种自适应免疫遗传算法用于图像增强。该算法与传统遗传算法的不同在于引入免疫算子抑制优化过程中出现的退化现象,根据个体适应度自适应调整遗传算子的概率值和基因变异位数,从而增强了种群多样性,提高了算法快速性和全局收敛性。实验结果表明：基于该算法的图像增强具有图像细节清楚、对比度强、方法普适性强等优点。     

基于抗体注射的免疫遗传算法

标准遗传算法存在收敛速度慢、过早成熟等缺点。借鉴生物免疫系统中抗体注射免疫的理论,提出了一种基于抗体注射的免疫遗传算法(AIGA)。该算法在保留了标准遗传算法随机全局搜索能力的基础上,引进了生物免疫系统的免疫应答、抗体注射和免疫选择等机制。结合旅行商问题(TSP),给出了示范抗体的提取和注射方法,并给出了算法收敛性的理论证明。最后,用AIGA对100个城市的TSP进行了仿真计算,并将其计算过程与标准遗传算法进行了对比,结果表明该算法能有效地改善遗传算法不成熟收敛的缺陷,使收敛的速度有较大的提高。     

一种用于优化计算的自适应免疫遗传算法

遗传算法在进化过程中易出现早熟收敛、不能保证种群多样性的现象。鉴于免疫算法适用于多峰值寻优,文章在标准遗传算法中引入免疫机制,提出了一种自适应免疫遗传算法。变异率自适应和种群大小自适应提高了算法全局寻优的稳定性,个体浓度的使用改进了种群的多样性,引入二次应答机制和精英库提高了收敛速度。试验表明,该算法收敛速度快、稳定性好,并保证了种群多样性。     

一种新的求解最小权三角划分的免疫算法

提出了一种基于自适应免疫遗传算法的求解最小权三角划分(MWT)问题的方案，通过自适应地调整疫苗库的进化和有选择地注射疫苗，提高了新算法的收敛速度和全局搜索能力，结合具体的MWT问题，给出了疫苗更新与注射算子构造的具体方案。仿真实验表明，新算法能产生比免疫算法更好的划分效果，尤其适合大规模点集，有较大的实用价值。     

一种新型免疫遗传算法

标准遗传算法存在收敛速度慢、过早成熟等缺点。借鉴生物免疫系统中抗体注射免疫的理论,提出了一种基于抗体注射的新型免疫遗传算法(AIGA)。该算法在保留标准遗传算法随机全局搜索能力的基础上,引进了生物免疫系统的免疫应答、抗体注射、免疫选择等机制。结合TSP问题,给出了示范抗体的提取和注射方法,并给出了算法收敛性的理论证明。最后,用AIGA算法对100个城市的TSP问题进行了仿真计算,并将其计算过程与标准遗传算法进行了对比,结果表明该算法能有效地改善遗传算法的不成熟收敛缺陷,使收敛的速度有较大的提高。     

自适应全变分图像去噪模型及其快速求解*

在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上,利用边缘检测算子选取自适应参数,构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型,并基于Bregman迭代正则化方法设计了其快速迭代求解算法.实验结果表明,自适应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高.     

基于多层小波阈值函数的彩色图像边缘检测

针对彩色图像边缘检测中RGB颜色空间分量之间高的关联性会导致部分色彩信息未能被有效识别、检测及抗噪性低,提出一种多层小波阈值去噪函数的彩色图像边缘检测方法。采用改进的小波阈值去噪方法对彩色图像进行去噪预处理;运用四元数思想构建四方向特征矩阵求解Canny算子梯度幅值和幅角;进行非极大值抑制和自适应双阈值处理得到最终边缘检测图像。实验表明,该算法能够较好地获取彩色图像边缘信息,并有效降低漏检率和错检率,增强了自适应性,提高了边缘检测中边缘的连续性和抗噪性。     

改进的自适应加权中值滤波算法

在分析了自适应算法和中心加权算法的原理和优势后,提出了一种改进的自适应加权中值滤波（IAWMF）算法。采用扩展边缘的方式,使原图像的所有像素点能够用噪声检测因子进行噪声检测,对含有噪声的图像采用自适应窗口（N ×N）的中心加权算法进行滤波,可以有效降低邻域噪声点对滤波图像质量的影响。仿真结果表明：改进算法在高浓度椒盐噪声条件下获得的实验效果峰值信噪比（ PSNR）、均值平方误差（MAE）、均值绝对误差（MSE）显著优于其他算法,在降噪和保持细节中取得很好的平衡。     

基于模糊熵和分形维度的边缘检测算法

当图像中噪声与边缘强度相差不大时,用LFFD算法检测边缘时会扩大噪声。针对该问题,给出一种抗噪声的边缘检测算法(EFFD)。该改进算法通过使用模糊熵来抑制噪声扩大,用分形维度来描述图像的局部特征。通过对不带噪声和带有椒盐噪声的图像的边缘检测,说明EFFD在带噪声的图像中可以抑制噪声扩大,获得较好的边缘特征。     

基于免疫蚁群融合算法的机械臂目标图像边缘检测*

针对工业机械臂目标自识别所需的高效图像边缘检测要求,提出了一种基于免疫蚁群融合算法的图像边缘检测方法。该方法以信息素为基准,通过注射疫苗进行免疫选择从而优化启发信息,提高后续遍历效率并有效缩短检测时间。避免了蚁群在游历全图时可能产生的局部最优、收敛停滞等问题,从而得到符合机械臂自识别要求的图像处理结果,并能够较好地提高迭代遍历效率,缩短后续处理时间。仿真实验结果表明,该算法能够得到较好的边缘检测结果。