基于g-l-PSO算法的灰度图像增强方法

规则化Beta函数给出了灰度图像对比度变换函数的统一表达形式,但是Beta函数的参数需要根据具体图像而确定,难于找出合理的参数值.首先分析了传统PSO算法的不足,使用种群的局部最优解为遗传依据,全局最优解为变异依据,提出综合的g-l-PSO算法.将g-l-PSO算法用于确定Beta函数的参数,通过适应度评估,可以获取最适合当前图像的参数值.通过三幅Pout图像的增强效果分析,可知该灰度图像增强方法切实可行.     

基于微粒群算法的聚类分析

文章将微粒群算法应用于数据挖掘的聚类分析。在对微粒群算法进行改进的基础上．提出了基于微粒群算法的聚类分析。理论分析和仿真结果表明该算法是有效的。     

基于微粒群优化算法的图像阈值分割

本文简要介绍了微粒群优化算法、图像阈值分割原理和方法,将微粒群优化算法应用到图像阈值分割问题中,对最优分割阈值进行全局寻优,并与基于迭代法、Otsu法的阈值图像分割结果进行对比,结果表明微粒群算法优化的分割阈值分割效果更好。将本方法应用到犯罪现场灰尘加层足迹图像的处理中,取得了较好的图像分割效果,为公安技术人员对犯罪现场物证信息后期处理提供了一种新的方法。     

基于微粒群和模拟退火的图像恢复研究

提出了一种基于微粒群和模拟退火的图像恢复算法.算法结合了微粒群优化快速的搜索能力和模拟退火算法良好的全局收敛性能的优点,能应用于不同类型退化图像的恢复.仿真结果表明,该算法可使图像恢复效果得到改进和提高,是一种有效的图像恢复方法.     

基于三角函数变换与IRDPSO优化的图像增强算法

针对复杂环境下如阴天、雾天、夜晚、光照较弱等条件下拍摄的图像存在对比度不足、整体偏暗等问题,提出了一种基于三角函数变换与改进随机漂移粒子群算法的图像增强算法。该图像增强方法主要包括四个步骤,首先将彩色图像转换为灰度图像,然后对灰度图像利用三角函数变换提高对比度,然后再对图像进行拉布拉斯算子增强,最后再对图像进行色彩恢复。为了提高算法的自适应性,针对三角函数变换中的参数、以及拉布拉斯算子模板的参数选择问题,将改进随机漂移粒子群算法(IRDPSO)与图像增强算法结合,利用信息熵和图像标准差构造适应度函数,对参数进行寻优。将该方法与其他四种算法进行比较。实验结果表明:文中算法简单,增强后的图像信息熵值、标准差值均较大,图像颜色失真度小,增强效果均比其他几种算法好,提高了图像的质量和对比度。     

基于微粒群算法的汽车离合器优化设计

离合器是汽车最重要的部件之一,汽车离合器的设计对于汽车的性能具有重要的影响。文章在离合器优化设计中引入微粒群算法,运用微粒群算法对离合器中的主要构建进行优化设计,并对部件的特性进行了分析,得出运用微粒群算法进行离合器的主要构建设计能够满足构建特性的结论。     

基于环形结构带缓存器模型的并行微粒群算法

受并行遗传算法的启发，文章设计和实现了一种基于环形结构带缓存器模型的并行微粒群算法。它基于一种单向环结构的拓扑连接，可以保证优良粒子在子种群问的扩散，丰富种群的多样性。仿真实验的结果表明．该并行算法不仅有效地提高了求解效率，而且在一定程度上改善了早熟现象，算法的各项性能与微粒群算法相比有了很大提高。     

一种基于小波变换的非线性红外图像增强算法

针对红外图像对比度低,噪声干扰大,用传统增强算法增强时,增大噪音的问题,提出了一种基于小波变换的非线性红外图像增强算法.该算法先对原始图像进行小波变换获得低频和高频系数,接着根据低频系数的特点设计了非线性函数对低频系数进行增强,并对高频系数进行小波去噪,最后通过小波重构得到增强的图像.仿真实验表明,该方法不仅解决了红外图像对比度低的问题,并且降低了噪声,突出了图像细节,该方法无论是增强效果还是抗噪效果都明显优于传统的图像增强方法.     

基于微粒群的矢量量化码书设计算法

针对在LBG算法中存在初始码书的选择极易影响码书训练的收敛速度和最终码书性能的缺陷,提出了一种基于微粒群的矢量量化码书设计算法.首先产生具有一定全局性特点的初始码书,然后再应用LBG算法进行优化得到同时具有局部特性的码书.实验结果验证了该算法的合理性.     

采用建模训练的多目标微粒群优化算法

为了避免粒子群算法在存在较多局部最优解的作用下收敛于伪最优解,文章提出一种基于分布估计的多目标微粒群优化算法(MOPSO-EDA)。在每次寻优过程中,利用分布估计算法对决策空间的粒子进行训练,通过建立较优解的概率模型,并对概率模型进行更新、采样,以得到新的粒子信息。文中使用最优值评估选取法求取微粒局部和全局最优位置。通过与其他两个著名算法(NSGA-Ⅱ、SPEA2)在GD和SP两方面进行比较,得出MOPSO-EDA获得的Pareto解具有较好的收敛性和分布性。     

多尺度变换和粒子群优化的图像融合方法

在图像融合领域,基于多尺度变换的图像融合方法是研究的热点,文中提出了一种基于多尺度变换和粒子群优化的图像融合方法,对基于多尺度变换得到的融合图像,利用粒子群优化进行进一步处理,并讨论了优化算法中初始图像质量对最终结果的影响。实验结果表明,该算法具有较好的融合结果,且优化时选取偏差大的初始图像粒子,能够获得更好的融合结果。     

基于多特征提取和粒子群算法的图像分类

现有图像分类大都采用单一特征,不能利用多个特征之间性能互补优势,且将特征选择与分类器构造分割开来,影响图像分类的精度和分类器的泛化能力。针对以上问题提出一种基于混沌二进制粒子群算法(CBPSO)的特征选择和SVM参数同步优化方法,利用图像的综合特征,将特征选择和SVM分类器构造结合同步优化,仿真实验结果表明,该算法能同步找出最优的特征子集和合适的SVM参数,提高了图像分类精度和分类器泛化能力。     

基于粒子群的图像检索相关反馈算法

 将粒子群优化算法的进化搜索过程与用户的反馈过程有效结合,提出了一种基于粒子群的图像检索相关反馈算法,避免了初始检索对用户认知的影响以及对反馈效果造成的局限性,并使得用户对检索目标的理解逐渐清晰,能够有效全面的搜索图片库,同时避免多次反馈造成的算法效率和检索效果之间的矛盾.通过实验验证了算法的有效性.     

基于人工鱼和细胞膜优化医学 DR图像增强研究

针对医学DR图像对比度低、细节和边缘不清晰的问题,提出一种基于人工鱼和细胞膜优化的医学DR图像增强方法。该方法采用人工鱼群算法优化Otsu方法,利用优化后的Otsu方法对医学DR图像进行分割,采用细胞膜优化算法对分割后的部分区域分解,分解后的高频强区做非线性增强,高频弱区和低频区做直方图均衡化增强,其余部分做线性增强。仿真实验表明这种方法有效地消除了医学DR图像中噪声,增强后医学DR图像细节信息更加清楚,具有高的有效性和鲁棒性。     

粒子群优化的聚类方法在图像分割中的应用

图像分割和对象提取是从图像处理到图像分析的关键步骤.K-均值聚类算法和粒子群优化方法结合,即将K-均值方法的结果作为一个粒子并采用粒子群优化的方法,通过适应度函数,利用新的分类中心调整粒子位置,产生新的聚类中心.并将此方法应用于图像的分割.最后,将两种方法的处理结果进行了比较,结果表示基于PSO聚类方法对图像的分割效果比原算法有所改进.     

基于最大熵和粒子群优化的红外图像分割

最大模糊熵是一种有效的图像分割方法,该方法的一个关键问题是确定模糊隶属度函数的最优参数组合,从而使得图像变换到模糊域后的模糊熵最大.但是直接采用穷举法来寻找最优参数组合的计算量是很大的,甚至是不可能的.因此,提出了采用一种新的优化方法,即粒子群算法来寻找最优参数组合.在参数搜索空间中,随机初始化一群粒子,通过粒子之间的相互协作来寻找最优解.所提出的方法用于分割红外图像的结果表明,花费很小的计算代价就可以获得理想的分割结果.     

基于自适应云粒子群算法的造影图像增强

针对造影图像增强现有算法的不足,采用自适应云粒子群算法.首先,由云模型产生云滴,确定云的特征值;接着正向云发生器产生粒子,基于粒子个体适应值把种群分3个云子群,且分别采用不同惯性权重的调整策略,自适应算子使权重随着粒子适应度值的减小而减小,从而实现了较优粒子取得较小的权重,在适应度最大时并非绝对的零值,从而提高了避免陷入局部最优的能力;最后,造影图像通过对数灰度变换增强,把求最佳的参数组合问题转化为自适应云粒子群算法寻优问题.实验仿真证明,在云隶属度大的地方图像像素的灰度域比较集中,增强效果边沿清晰.     

基于微粒群的颜色量化算法

将微粒群算法应用于彩色图像的颜色量化.根据种群的进化原理,在RGB彩色空间中对图像像素的颜色值进行聚类,通过迭代寻优确定最优调色板,然后进行像素的颜色映射,从而完成量化工作.仿真实验表明,该算法具有颜色失真小,收敛性好,鲁棒性强和受初始条件影响小等特点,是一种有效的颜色量化算法.     

基于改进谱聚类与粒子群优化的图像分割算法

本文提出了一种基于改进谱聚类与粒子群优化的图像分割算法。该算法利用双树复小波变换系数,求得能量均值构造相似性矩阵,充分利用了待聚类数据所包含的空间邻近信息和特征相似性信息。在谱映射的过程中,采用了Nystr迸m逼近策略,降低了谱聚类算法的复杂度和内存消耗,然后在进行K均值聚类时使用粒子群优化算法。最后,通过对医学图像和遥感图像分割验证了新算法的有效性。     

基于数据同化和粒子群优化算法的遥感影像融合

针对现有的基于色彩空间变换、基于统计以及基于多尺度分析等融合模型的建立主要依赖于经验,其参数选取存在主观性,基本上不能根据融合图像的后续使用目的进行自适应调整的问题,该文提出了一种基于数据同化和粒子群算法的遥感影像融合框架。此框架根据后续处理对影像各个属性指标值的依赖程度确定各个属性指标的权重,构造由影像各个属性评价指标的加权和所组成的目标函数,再利用粒子群算法优化目标函数从而获取合适的影像。一组实验以熵、平均梯度、标准方差、空间频率和结构相似性等定量指标验证了该框架的有效性。