基于蚁群寻路的图像分割算法

文章主要是对蚁群算法做了一定的改进,将它用于图像分割,然后将分割出来的图像的边界利用腐蚀算法进行细化以达到更好的分割效果。分割算法可以看作一个组合优化问题,人工蚁群算法就是一种优化方法。因此,将人工蚁群算法引入到图像分割处理中完全可行。经过实验证明,该方法是完全可行的。     

基于蚁群模糊聚类算法的图像边缘检测

提出了一种基于蚁群动态模糊聚类算法的图像边缘检测,该算法首先利用蚁群算法的较强处理局部极值的能力,克服了FCM算法对初始化的敏感,动态地确定了聚类数目和中心;然后利用蚁群聚类得到的结果,再进行FCM聚类弥补蚁群算法的不足.两者有机结合起来可以寻求到具有全局分布特性的最优聚类,实现了基于改进的目标函数聚类分析.最后将该算法应用到图像边缘检测,对比实验表明,该算法具有很强的模糊边缘和微细边缘检测能力.     

基于蚁群优化算法的SAR图像舰船检测研究

边缘检测作为提取图像边缘的重要方法在舰船检测中占有重要位置。采用蚁群优化算法通过调整动态阈值进行边缘检测。与传统边缘检测算子和小波变换算法对比采用蚁群优化算法进行舰船检测大大的减少了计算时间和代价,同时有效地提取了SAR图像的舰船目标和结构信息,保证了检测结果的准确性。蚁群优化算法在处理图像边缘检测等离散优化问题上具有很大的优越性,在图像处理中具有广阔的应用前景。     

基于无人机遥感影像的水体提取方法

针对无人机（UAV）影像水体提取出现的噪声干扰、光谱混淆、分割尺度难把握、无法使用水体指数等问题,提出边缘检测算法结合面向对象方法的新水体提取方法（AUCSN）. 采用各向扩散滤波算法对影像去噪;采用Canny边缘检测算子对去噪后影像进行边缘提取,提取结果与去噪后影像进行波段重组,利用改进的邻域绝对均值差分方差比法对重组影像选取最优分割尺度,开展多尺度分割. 结合水体对象的光谱、形态、纹理特征建立模型,对分割后影像实现水体粗提取. 将粗提取结果利用形态学闭运算填充孔洞,实现水体提取. 实验结果表明,采用AUCSN方法进行水体提取,不仅提高了提取效率,而且提取精度能够达到96%.     

蚁群算法在二维Otsu图像分割中的应用

提出了一种基于蚁群算法和二维Otsu的图像分割方法,利用蚁群算法快速寻优的特点,求出二维Otsu图像分割的阈值分割点,对图像进行分割。根据源图像和邻域平滑后图像的灰度,以及灰度频数进行聚类。通过灰度直方图的峰值点设置精确的初始聚类中心,解决了蚁群算法运算次数多、计算量大的问题;针对具体应用,对聚类半径、信息激素和启发引导函数进行了修正。实验表明该算法速度快、划分特性好、抗噪声能力强,可以准确地分割出目标。     

采用蚁群算法模拟机器人寻路的仿真实验

蚁群算法是一种基于蚁群寻找食物这一现象,实现寻路优化的算法。通过在MATLAB中进行程序设计,实现了利用蚁群算法模拟自动寻路的计算,并进一步将程序应用于简易机器人的寻路模块,初步实现机器人的寻路优化功能。     

基于边缘检测和自动种子区域生长的图像分割算法

针对传统区域生长算法对噪声敏感和初始种子过度依赖的问题,提出一种基于边缘提取和自动区域生长相结合的分割算法,即先利用Canny算子对图像进行边缘提取,得到边缘像素点集,再利用灰度直方图从点集中选取自动种子点,结合平均相似度,采用区域生长法进行图像分割。该算法能够实现阈值和种子的自动选取,在传统算法中很难实现。实验结果表明该算法有效。     

一种求解最大团问题的蚁群算法

将最大团问题看作子集类问题,提出了基于子集类问题的特殊蚁群算法用于求解最大团问题。该算法将信息素和局部启发信息与图的顶点相关联,而不再与边相关联,从而提高算法的运行速度。仿真实验研究表明,该算法较传统求解最大团问题的蚁群算法有着更短的运行时间,较强的求解能力,更适合用于求解最大团问题。     

基于蚁群算法的硬币识别研究

蚁群算法具有离散性、并行性、正反馈性和鲁棒性,是目前较为先进的优化算法.利用蚁群算法的聚类能力,提出一种硬币识别新方法.根据硬币图像的特点,确定了6个有效的图像纹理特征函数,通过对硬币图像的特征函数值进行蚁群聚类,可有效实现各类硬币图像的识别.实验结果表明,该算法用于硬币识别可达到100%的识别率,并且识别时间较短,是一种有效的硬币识别方法.     

利用Sobel算子结合蚁群算法提取竹材的内外轮廓

传统的竹材加工过程中人工因素较多,通过信息化手段利用图像处理技术可以快速准确地获得竹材的参数数据.对竹材的横截面图像进行分析和处理,利用Sobel算子和蚁群算法相结合的边缘提取方法,从原始图像中成功的提取出了连续且粗细均匀的竹材截面的内外轮廓.利用提取的的轮廓图,提取出竹材内周长、外周长、内面积、外面积和壁厚,为竹材分类提供了准确有效的数据.     

基于遗传算法的超声图像水平集分割

文章提出了超声图像自动分割的新方法。其基本思想是在水平集分割方法的基础上，以能量函数作为评价函数，把图像分割问题变成一个优化问题，利用遗传算法的寻优高效性，搜索到能使分割质量到达最优的轮廓曲线。应用此方法对肝脏超声图像进行肿瘤的边缘提取，得到比较好的结果，从而完成图像的自动分割。     

求解连续空间优化问题的Powell蚁群算法

针对连续空间函数优化问题,提出了Powell蚁群算法.该算法把Powell方法嵌入蚁群算法的局部搜索,提高蚁群算法的搜索精度和收敛效率.全局搜索过程中,把传统蚁群算法中的信息素更新和蚂蚁的转移规则拓展到连续空间中,定义了相应的求解算法.通过对二维多极值非线性函数的寻优实例进行仿真,并与Powell方法的求解结果进行比较,证明该方法的有效性.     

基于蚁群算法的智能交通最优路径研究

针对车辆智能交通最优路径问题,提出一种实时规划的蚁群算法。在该算法搜索过程中加入针对具体问题的局部搜索寻优算法,在启发函数中引入搜索方向,改进信息素更新策略,限制信息素轨迹量。利用智能交通道路模型对改进算法进行比较分析。实验结果表明,改进后的蚁群算法能够有效地解决车辆实时路径诱导问题,实现车辆实时路径诱导,具有良好的收敛性和寻优性。     

基于蚁群算法的模糊C均值聚类医学图像分割

在医学图像分割研究中，针对模糊C均值(FCM)聚类算法聚类个数难于确定、搜索过程容易陷入局部最优的缺陷，把蚁群算法与FCM聚类算法有机结合，提出了一种基于蚁群算法的模糊C均值聚类图像分割算法. 该算法首先利用蚁群算法全局性和鲁棒性的优点，得到聚类中心和聚类个数，再将其作为模糊C均值聚类的初始聚类中心和聚类个数，弥补了传统FCM聚类算法的不足，得到了较好的分割效果. 实例分析证明了算法的有效性和实用性.     

基于改进蚁群算法的有时间窗车辆路径优化

针对物流配送中的有时间窗车辆路径问题（VRPTW）,提高优化性能,提出了一种改进的最大最小蚁群算法,并引入了局部搜索策略2-opt．在客户数目给定的情况下,本算法能够得到所求VRPTW的全局较优解,与基本蚁群算法和未改进的最大最小蚁群算法比较,具有更快的收敛速度和更高的收敛精度,并可扩展到一类相关的路径优化问题中．实验结果表明,本算法对于求解VRPTW效果很明显．     

基于分数阶微分、水平集及分水岭的铅锌浮选图像分割

针对铅锌浮选气泡暗颜色、细节弱、分割难的特征,提出了一种新的图像分割算法。该算法分成三个部分： 气泡边界增强： 基于分形学改进分数阶微分算法,主要是根据图像的纹理特性自动确定分数阶微分的非整数阶数,以自适应分数阶微分算法增强气泡边缘; 气泡亮点区域提取： 在改进传统的水平集算法基础上,进行精确的气泡亮点区域的提取,克服了全局自动阈值算法在提取气泡亮点时存在的缺陷; 图像分割： 利用内外标记修正梯度图像, 最后运用分水岭算法对浮选图像进行分割。对于不同铅锌矿大小气泡图像的实验,并通过与多种传统的图像分割算法分析比较,实验结果表明新算法不仅提高了浮选气泡图像的分割精度,并且有效地减少了传统图像分割算法的过分割问题,本文算法对于浮选气泡具有良好的分割效果。     

基于射线的泡沫图象分割算法

针对于矿物浮选过程泡沫图像目标气泡粘连、大小形状灰度不均及目标相似度高的问题,分水岭及阈值法难以分割此类图像,笔者提出一种射线分割方法。首先进行目标定位,从种子区域的几何中心位置对称发射出多条射线,并获得各条射线中像素的灰度值变化曲线图,根据各条射线的灰度变化曲线图的波谷位置得到泡沫的边缘。此方法能够去除噪声泡沫,并参照一个泡沫的清晰边缘部位对其模糊边缘进行修正,使其形成真正符合泡沫形状的光滑边界。     

求解TSP问题的改进蚁群算法

分析了标准蚁群算法易于出现早熟停滞现象的主要原因，在原有算法基础上引入局部信息激素、最优最差路径信息激素更新策略及变参数策略，扩大了解的搜索空间，有效抑制了收敛过程中的早熟停滞现象，大大提高了算法收敛速度；同时引入局部最优搜索策略，增大了解突变的机率，求解质量得到了极大的改善．对于典型旅行商问题库中旅行商问题的实验及与标准蚁群算法的比较实验验证了该方法的有效性．     

一种无线传感器网络二维目标覆盖的改进方法

针对二维目标覆盖问题,提出了一种新的量子退火算法,设计了相应的系统模型,并给出了覆盖优化的目标函数。因为以往的启发式算法存在运行停滞等问题,所以为量子退火算法设计了全新的解集生成方式、量子旋转门、量子位测量方法和量子位状态更新方法,加快了算法的收敛速度。将基于量子退火算法的方法与粒子群算法、蚁群算法进行了仿真比较。仿真结果显示,相比粒子群算法与蚁群算法,该量子退火算法能够有效地提升解的质量,检出的目标数有较大幅度的提高。     

基于多操作规程和原则的操纵器排列优化

为了解决操纵器排列中采用经验法存在的排列依据难以追溯、排列结果因人而异的问题,提出了基于蚁群算法的操纵器排列优化方法.依据蚂蚁觅食现象提出的蚁群算法可优化操纵器的排列,使操纵员手的总移动距离最短.研究中以操纵器的重要性、使用频率、操作次序以及相关性工效学排列原则作为蚁群算法的启发信息,以不同规程下操纵员手的移动总距离作为目标函数,建立了基于蚁群算法的操纵器排列优化数学模型,并进行了实例研究,得到了确定的排列结果.研究表明,该方法的排列依据科学,排列过程可追溯,排列结果最优.