基于改进BBO算法的二维交叉熵多阈值图像分割（英文）

为了提高生物地理学优化(BBO)算法在多阈值图像分割中的全局搜索能力,提出一种基于改进的BBO算法的多阈值图像分割。在运用BBO算法进行优化阈值时,首先,采用精英选择算子保留出最优的几组解。其次,引入一种基于优秀解和待迁出解融合的迁移策略,以减少传统迁移操作的过早收敛以及无效迁移等行为。再次,为了减少传统变异操作的盲目性,创建一种通过二进制计算的变异操作。然后将其应用到二维交叉熵的多阈值图像分割中。最后,使用该方法对典型图像进行分割实验,并与粒子群算法的二维多阈值分割,以及基于标准的BBO算法的二维多阈值图像分割进行比较,实验结果表明:该方法具有良好的收敛稳定性,可以有效缩短迭代的时间,并且优化性能优于标准的BBO算法。     

动态迁移和椒盐变异融合生物地理学优化算法的高维多阈值分割

针对高维多阈值图像分割中存在的多阈值搜索问题,提出了一种动态迁移和椒盐变异融合的生物地理学优化算法(BBOD)。首先,构建了一种基于动态扰动的迁移算子,对候选解中没有发生迁移操作的特征值添加一个动态的扰动因子,使种群的多样性增加,从而提高全局搜索能力;然后,创建了新型的变异算子,对待变异的特征值产生一个椒盐扰动,使该值在小范围内浮动,以便提高局部搜索能力和算法的收敛速度;最后,将该算法应用到基于最小交叉熵的图像高维多阈值分割中。高维多阈值分割实验结果表明,本文提出的BBOD算法能够获得最优的阈值向量,运行速度、性能指标均优于标准的生物地理学优化(BBO)算法,基于变异的生物地理学优化(BBOM)算法、FFA(Firefly Algorithm)和CSA(Cuckoo Search Algorithm),运行速度是FFA的5倍以上。该算法更适用于基于最小交叉熵的高维多阈值优化选择。     

基于广义反向粒子群与引力搜索混合算法的多阈值图像分割

提出了基于粒子群优化(PSO)与引力搜索(GSA)混合算法(PSOGSA)的多阈值图像分割方法来解决图像阈值搜寻过程中单一优化算法局部搜索能力不强的问题。提出了图像阈值分割领域中的广义反向学习策略,在阈值寻优过程中提高群体多样性,增强了全局搜索能力;采用了全局最优解的正态变异策略,扩展了全局最优的搜索区域,避免了算法的早熟收敛。在此基础上,实现了基于广义反向粒子群与引力搜索混合算法的多阈值图像分割方法。最后,使用本方法对复杂多目标图像进行了多阈值分割实验,并与引力搜索算法和萤火虫算法进行了比较。实验结果表明,本文方法的分割精度优于引力搜索算法与萤火虫算法,其分割目标函数值在连续运行时的标准差降低了90%以上,是一种精度高、稳定性强的多阈值图像分割方法。     

改进的遗传算法在实时图像分割中的应用

为了自动确定图像分割的最佳阈值,提出了一种改进的自适应遗传算法,并利用该算法对二维Fisher准则图像分割评价函数进行全局优化提高分割阈值的求解速度,快速得到最佳分割阈值。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服了基本遗传算法的收敛性差、易早熟问题。采用TI公司的DSP芯片TMS320VC5416,结合FPGA,搭建了多目标实时测量平台,并利用本文算法对图像阈值快速求解,实现了多目标的实时测量计算。实验结果表明,该算法具有良好的收敛速度和稳定性,阈值计算时间比二维Fisher准则法缩短了18ms(约63%左右);阈值范围稳定在3个像素以内,能够满足实时多目标测量要求。     

基于萤火虫算法的二维熵多阈值快速图像分割

提出了基于萤火虫算法的二维熵多阈值快速图像分割方法以改善分割复杂图像和多目标图像时存在计算量大、计算时间长的问题。首先,分析了二维熵阈值分割原理,将二维熵单阈值分割扩展到二维熵多阈值分割。然后,引入萤火虫算法的思想,研究了萤火虫算法的仿生原理和寻优过程;提出了基于萤火虫算法的二维熵多阈值快速图像分割方法。最后,使用该方法对典型图像进行阈值分割实验,并与二维熵穷举分割法、粒子群算法(PSO)二维熵多阈值分割法进行比较。实验结果表明:该方法在单阈值分割、双阈值分割和三阈值分割时分别比二维熵穷举分割法快3.91倍,1040.32倍和8128.85倍;另外,在阈值选取的准确性和计算时间方面均优于PSO二维熵多阈值分割法。结果显示,基于萤火虫算法的二维熵多阈值快速图像分割方法能快速有效地解决复杂图像和多目标图像的分割问题。     

基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取

提出了基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取方法以便更为准确地分割火焰图像。以最小倒数交叉熵作为阈值选取准则,解决了Shannon熵定义中存在的无意义值问题。同时,以二维直方图斜分方式更加准确地划分目标和背景,提高了算法抗噪性能,且使需要选取的阈值个数由两个变为一个,减少了算法运行时间。此外,采用蜂群优化算法加速对最佳阈值的搜索,使速度提升了约80%~140%,进一步提高了算法的实时性。最后,针对火焰图像进行了大量实验,并与二维斜分最大Shannon熵法、基于混沌小生境粒子群优化(NCPSO)的二维斜分最大倒数熵法进行了比较。结果表明,提出的方法在分割效果上优势明显,且抗噪性能更好,是一种实时有效的火焰图像分割方法。     

基于二维直方图斜分的最小类内方差阈值分割

本文提出一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的最小类内方差阈值分割快速迭代算法,在实验结果和分析中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他三种改进算法进行了比较.结果表明本文提出的二维直方图区域斜分方法可以运用于几乎所有的基于二维直方图的阈值分割,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性.基于区域斜分的最小类内方差阈值分割快速迭代算法的运行时间与二维Otsu原始算法和文献[12]中的改进算法相比减少了4个数量级,约为区域直分Otsu快速递推算法的1/4,不到文献[11]中快速算法的4%.     

基于Otsu准则和直线截距直方图的阈值分割

对二维Otsu法中类间离散度测度进行了分析,发现按该算法对被噪声污染图像的二维直方图进行划分时,所得两类的类内均值点容易远离主对角线,因而抗噪声能力不足。针对以上情况,本文提出了一种新算法,该算法基于二维直方图中直线阈值分割的思想,利用像素点的二维信息直接建立阈值直线的截距直方图;然后应用Otsu准则对该一维直方图求解最佳截距阈值,并应用该阈值和二维信息完成图像分割。对提出的算法与传统二维Otsu法进行了比较和分析,结果表明:提出的算法可以有效避免传统算法在抗噪方面的缺陷,当实验图像的噪声方差大于0.003且逐渐增加时,提出的算法抗噪表现稳健;另外,提出的算法计算阈值的速度比基于二维Otsu法的直分法和直线阈值法快2个数量级以上,占用内存空间更少。因而提出的算法是一种抗噪稳健且快速有效的阈值分割算法,更适于实时应用。     

基于数学形态学的医学图像插值技术

医学图像插值技术是图形处理中的关键技术.为了能同时满足图像灰度和形状的要求,提出了一种基于数学形态学的医学图像插值算法.对CT图像采用多阈值和数学形态学的方法进行了分割,得到了各组织的轮廓,然后根据体素的相关性进行了插值.实验结果表明,此算法解决了以往算法边界模糊的缺点,插值效果好.     

基于微分进化的最大类间方差图像分割算法及应用

通过对传统的最大类间方差胶囊图像分割法的研究,提出了一种基于微分进化算法的最大类间方差的图像分割方法,并且成功于应用于基于机器视觉的胶囊检测对象中。该方法利用胶囊图像分割阈值的实数编码序列作为样本个体,选择最大类间方差作为个体的生存适应度评价标准,进行一系列微分进化算法运算后,最终获得胶囊检测图像的理想分割阈值。实验分析结果表明该方法不仅可以达到最大类间方差法的图像分割效果,而且运行效率优于最大类间方差的图像分割方法,可以提高机器视觉中的图像分割质量。     

具有二重机制的生物地理优化算法及圆柱度 误差评定研究*

生物地理学优化算法(Biogeography-base optimization, BBO)是一种新型的智能算法,因其参数少、易于实现等优点而受到学界的广泛关注和研究,并显示出了广阔的应用前景。为了提高算法的优化性能,对BBO算法提出一种改进。改进的算法在将差分优化算法(Differential evolution, DE)中的局部搜索策略同BBO算法中的迁移策略相结合的基础上,针对迁移算子和变异算子分别做出改进,并通过基准函数的测试证明了改进后的算法在迭代过程中种群进化、寻优能力以及算法的收敛性能得到进一步提升。尝试将改进了的生物地理学优化算法应用于圆柱度误差评定。依据国家标准,结合最小区域法,以圆柱度误差数学模型为目标函数,该算法实现了误差评定优化求解。通过该寻优结果与其他方法的评定结果的比较,验证了该种算法的可行性和正确性及其优越性。     

A new biogeography-based optimization (BBO) algorithm for the flexible job shop scheduling problem

Biogeography-based optimization (BBO) algorithm is a new kind of optimization technique based on biogeography concept. This population-based algorithm uses the idea of the migration strategy of animals or other species for solving optimization problems. In this paper, the BBO algorithm is developed for flexible job shop scheduling problem (FJSP). It means that migration operators of BBO are developed for searching a solution area of FJSP and finding the optimum or near-optimum solution to this problem. In fact, the main aim of this paper was to provide a new way for BBO to solve scheduling problems. To assess the performance of BBO, it is also compared with a genetic algorithm that has the most similarity with the proposed BBO. This similarity causes the impact of different neighborhood structures being minimized and the differences among the algorithms being just due to their search quality. Finally, to evaluate the distinctions of the two algorithms much more elaborately, they are implemented on three different objective functions named makespan, critical machine work load, and total work load of machines. BBO is also compared with some famous algorithms in the literature.     

基于二元分布估计算法的置换流水车间调度方法

针对最大完工时间最小的置换流水车间调度问题,提出了一种结合二元分布估计算法与生物地理学算法的混合优化算法（HB-EDA）。算法以分布估计算法为架构,以二元概率模型为进化依据,针对优秀染色体和劣势染色体分别通过概率模型挖掘出具有优势信息和劣势信息的链接基因区块组成区块库1和区块库2,借鉴生物地理学算法中的群体迁移思想,用两个区块库分别对优势和劣势染色体以指定比例进行更新操作产生子群体,并对染色体进行切段与重组,以进一步筛选高适应度的解。最后通过对Reeves和Taillard标准测试集的仿真结果和算法比较验证了所提出算法的有效性。     

低比度钢板微小缺陷的图像增强和分割

针对低对比度、微小的钢板表面缺陷，提出了基于图像增强的图像分割算法来有效分割和识别缺陷目标。采用小波变换与同态滤波结合算法对图像进行增强处理，不仅消除照度不均的影响，还突出了缺陷细节的信息，达到图像增强的效果。最后，利用粒子群算法优化最大类间方差法参数（PSO-Otsu）确定增强后图像的最佳阈值，并结合Canny算子进行缺陷检测。对比其他算法，该算法在检测低对比度的微小缺陷上取得了良好的效果。     

基于云模型BBO算法的医院管理资源调度研究

手术资源的合理调度对提高医疗资源的利用和工作效率具有重要意义。为提高手术资源的利用率和工作效率,建立医院手术室资源协调调度模型。为提高BBO算法收敛速度和避免陷入局部最优,将云模型引入BBO,提出一种基于CMBBO的医院手术资源调度模型。研究结果表明,CMBBO可以有效提高手术资源使用效率、手术服务能力,降低手术等候时间。     

基于混合模型和DAEM算法的自适应图像分割

图像分割是图像处理中最基本且具有挑战性的问题。基于高斯混合模型,提出了一种自适应的图像分割方法。采用DAEM(deterministicannealingexpectation-maximization)算法估计混合模型的参数,利用直方图信息确定图像的类别数并给出DAEM算法的初始值,最后根据Bayes最小错误率准则对图像进行分割。由于DAEM算法在传统的EM算法中引入了退火机制,DAEM算法能够收敛到全局最优值,使得分割结果更加准确。实验结果说明了此方法的有效性。     

基于多路径网络的权值调整图像语义分割算法

为提高图像语义分割准确程度,针对场景解析中类别边缘分辨清晰度,提出了一种基于多路径网络的权值调整图像语义分割算法。通过引入多路径网络和权值调整并对图像场景中的物体类别具有的特征进行分析,提高图像的语义分割的准确程度;通过采用ADE20K数据集进行训练,提高边缘信息的分割效果,使模型具有更好的泛化能力。此算法加快了网络收敛速度。