基于最小Tsallis交叉熵的阈值图像分割方法

利用Tsallis熵的非广延性(nonextensivity),本文提出了一种最小Tsallis交叉熵阈值分割方法.该方法通过引入一个参数q.在阈值的选择过程中不仅考虑了目标和背景之间的信息昔差异,而且考虑了目标和背景之间的相互关系,克服了传统最小交叉熵忽略目标和背景之间的相互关系所导致的阈值选择不恰当的缺点.实验结果表明,通过选择合适的参数q,所提出方法的分割效果明显优于传统的最小交叉熵阈值法.     

基于二维对称Tsallis交叉熵的小目标图像阈值分割

现有的阈值分割方法应用于目标与背景面积相差悬殊的小目标图像时,几乎都失效.为此,提出了基于对称Tsallis交叉熵及背景与目标面积差的小目标图像阈值分割方法.对称Tsallis交叉熵准则能确保准确分割时目标和背景内部的灰度均匀,而背景与目标面积差可抑制均等分割的趋势,二者综合构成了更为合理的阈值选取准则函数.首先导出了一维阈值选取公式;然后经推广得到基于二维斜分对称Tsallis交叉熵及背景与目标面积差的阈值选取公式,给出了其快速递推算法及相应的简化方法.大量实验结果表明:与目前性能较优越的二维斜分Otsu、最大熵、非对称交叉熵阈值分割方法相比,所提出的方法在小目标图像分割效果上具有极为明显的优势.     

几种图像分割阈值选取方法的比较与研究

对几种常用的阈值选取方法进行了理论分析与比较，并以基于面结构光投影法的三维物体形状检测技术研究为背景，从实验角度对类间方差法、一二维最大熵法和模糊阈值分割法等图像阈值分割方法的性能进行了验证。     

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%.     

基于遗传算法和二维直方图的仪表图像的阈值分割

针对指针式仪表检定图像的特性,给出一种改进的遗传算法结合改进的传统阈值分割方法运用于此类图像分割中,改进的遗传算法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。改进的传统阈值分割方法,考虑了像元点之间的空间相关信息,增强了识别能力。     

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。     

基于改进BBO算法的二维交叉熵多阈值图像分割

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.     

基于遗传算法的模糊熵多阈值图像分割

将模糊熵函数作为遗传算法的适应度函数进而获得最优分割阈值,并对整幅图像进行多阈值寻找,使每一个子区域都满足细分准则.实验表明算法具有较好的分割效果.     

低对比度图像中改进的二维熵阈值分割法

为了实现对低对比度图像中目标的识别和提取,采用二维熵值理论,重新定义了二维直方图坐标的含义,利用二维最大熵作为判定准则,对图像进行阈值切割.利用低对比度图像的特点,采取了压缩循环边界条件方法并结合递推加速算法,对比传统的阈值切割方法,取得了良好的分割效果,同时也提高了原始二维最大熵的计算效率,增强了低对比度下图像目标识别率,有良好的应用前景.     

基于人工蜂群算法的供水泵站运行优化研究

针对泵站普遍因存在供需不平衡、管理差等而造成大量能源浪费的问题,对泵站系统扬程、效率偏差情况进行分析,明确了系统供需间的差异情况,利用灰色关联度法,对泵站目标电耗的影响因素进行关联度分析,确定了扬程、效率、流量3个影响因素关联度大小.建立以单位产量电耗最小为目标函数的优化调度模型,并结合泵站实际情况,运用人工蜂群算法(...     

基于蜂群优化投影寻踪的高光谱小目标检测

为了进一步提高高光谱遥感图像小目标无监督检测方法的运算速度,并降低其虚警率,提出了一种基于改进蜂群优化投影寻踪与K最近邻的检测方法。首先,采用核主成分分析法对原始高光谱遥感图像进行降维;然后,提出以邻域像元联合定义峰度与偏度的方法,并将两者结合作为投影指标,再以改进后的蜂群算法作为寻优方法,使用投影寻踪从高光谱图像中逐层获取投影图像,再根据其直方图提取小目标;最后,利用线性判别分析进一步提取像元特征,并结合加权K最近邻方法对小目标的检测结果进行提纯。大量实验结果表明,与RX方法、独立分量分析法、混沌粒子群优化投影寻踪法相比,本文方法不但可以更精确地检测出高光谱遥感图像中的小目标,而且具有更快的运算速度。     

图像采集卡硬件参数基于熵的自动优化

为降低计算复杂度和系统响应时间,提出了图像采集卡硬件参数自动优化的工程实现算法。通过统计图像直方图两端的数据量获得信息熵的九种状态,并依据所处状态的不同对采集卡硬件参数进行动态调整,从而改变图像的亮度和对比度获得图像最大熵。实验结果表明在单帧时间延迟的条件下,此种方法可以完成对图像采集卡硬件参数的自适应优化。     

基于快速递推模糊2-划分熵图割的红外图像分割

考虑现有图割算法没有充分考虑红外图像的模糊特性,分割精度和运行效率低的缺点,提出了基于快速递推模糊2-划分熵图割的红外图像分割算法以实现复杂背景下红外图像的自动高效分割。该方法利用图像感兴趣区域的最大模糊熵信息设计图割能量函数的似然能,基于局部最大模糊2-划分熵值迭代检测出包含图像最大信息的感兴趣区域来确保提取目标信息的完整性。为了提高最大模糊熵寻优的效率,引入时间复杂度为O(n2)的递推算法,将模糊熵计算转化为递推过程,并保存所有递推的熵函数值用于后续的穷举寻优。针对确定的感兴趣区域,利用该区域最大模糊2-划分时隶属度函数分布设置图割能量函数的似然能,从而充分考虑图像的模糊特性。对分割结果与几种常用的算法进行了视觉比较及运行时间,错分率,F指标的量化分析。结果表明:该算法分割精度F值高达95%,运行时间较其他常用算法至少缩短了72%,基本满足自动红外图像分割对精度、效率和鲁棒性的要求。     

基于蚁群算法的单克隆菌落挑选仪路径规划

单克隆菌落挑选仪是集光学成像、图像识别和自动控制等技术于一身,应用于生物工程领域的一种高端仪器。对12×8阵列挑选针和无序排列的菌落目标,只有对挑选路径和顺序进行优化,才能有效提高挑选通量。针对这一需求,利用蚁群算法的基本原理,对单克隆菌落挑选仪挑选路径进行了优化。仿真实验结果表明,该算法可以有效提高挑选效率。     

基于蜂群算法的机床主轴对流换热系数优化

机床主轴温度场分析是一种减少主轴热误差、提高主轴精度及其稳定性的重要方法。作为热分析边界条件中关键参数的对流换热系数,其值大小反映了主轴零部件表面与空气对流换热的强度,对主轴有限元温度场分析结果的影响最为明显。以170CP06-DM机械主轴为研究对象,深入研究主轴对流换热系数的影响因素,提出一种基于人工蜂群优化算法的机床主轴换热系数优化算法。实验表明,提出的蜂群算法能够根据环境温度和转速而自动寻找优化的主轴换热系数。与传统的经验确定对流换热系数方法相比,主轴前轴承处的计算最大误差、平均误差、均方差分别提高了大约4.54℃、2.87℃、1.65℃,主轴后轴承处的计算最大误差、平均误差、均方差分别提高了大约7.12℃、3.49℃、2.41℃。     

基于改进蚁群算法的模糊控制器优化研究

作为智能控制的一种新技术,模糊控制不依赖于工业对象模型。它不是用数值变量而是用语言变量来描述系统特征。并依据系统的动态信息和模糊控制规则进行推理以获得合适的控制量。因而具有较强的鲁棒性。本文使用蚁群算法对模糊控制器进行优化实现模糊规则的自寻优。通过MATLAB进行仿真试验,系统阶跃响应表明经改进的蚁群算法寻优得到的模糊控制器具有良好的性能。     

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。