鸽群优化算法研究进展

仿生智能优化一直是智能计算领域的一个热门研究领域,在生命科学、系统科学、控制科学、计算机科学、管理科学和社会科学等学科均已得到了广泛应用.鸽群优化(pigeon-inspired optimization,PIO)算法是近年来才出现的一种群体智能优化算法,它是受自然界中鸽群自主归巢行为的启发而提出的.因此,对自然界中的鸽群机制和鸽群优化算法基本原理进行了阐述,介绍了鸽群优化模型,并对其在无人机(unmanned aerial vehicle,UAV)编队、控制参数优化、图像处理等领域的典型应用进行了评述,最后展望了未来的发展方向.     

基于MIL的图像分割算法研究

传统分水岭图像分割算法主要基于梯度模值图像,寻找集水盆地,易产生过分割现象。本文提出了基于MIL改进的分水岭图像分割算法,借助MIL软件开发性强、函数库功能强大等特点,对粘连目标图像进行了分割。实验证明,该方法具有较强的有效性和实用性。     

基于ACS-FCM算法的图像分割研究

对蚁群算法、模糊C均值聚类(FCM)算法进行了探讨,并在FCM图像分割算法的基础上,提出了一种改进的ACS-FCM算法,结合边缘检测技术应用于图像分割.实验结果表明,与其他几种分割算法相比,该方法具有更好的可靠性与有效性,能取得更理想的分割效果.     

基于粒子群优化算法的多阈值图像分割

为确定图像分割的最佳阈值，基于粒子群优化算法提出了一种多闽值图像分割方法．由最大熵或最大类间方差法得到优化的目标函数，用粒子群算法对其进行优化，得到分割的最佳阈值，并用该阈值对图像进行分割．将分割结果与遗传算法的多阈值分割结果相比较可以看出，该算法不仅可实现正确的图像分割，并可使分割速度大大提高．     

基于偏微分方程的图像分割算法研究

介绍了基于偏微分方程的图像处理方法的应用发展历程,分析了其在图像分割领域中的应用,阐述了参数活动轮廓模型和几何活动轮廓模型,并描述了基于偏微分方程的坯布缺陷图像分割实验结果.理论和实验结果表明,偏微分方程模型是进行图像分割的一种很有效的工具.     

基于粒子群优化算法的多阈值图像分割

为确定图像分割的最佳阈值,基于粒子群优化算法提出了一种多阈值图像分割方法.由最大熵或最大类间方差法得到优化的目标函数,用粒子群算法对其进行优化,得到分割的最佳阈值,并用该阈值对图像进行分割.将分割结果与遗传算法的多阈值分割结果相比较可以看出,该算法不仅可实现正确的图像分割,并可使分割速度大大提高.     

基于FCN的图像语义分割算法研究

图像语义分割的传统方法是依靠人工设计提取特征,用机器学习的方法进行分类,来达到分割的效果,但是过程比较复杂,且最终的分割效果也不理想.为解决该问题,提出运用深度学习的方法自动提取图像中物体特征,实现端到端训练,并提升分割精度.采用的基础网络是ResNet-50,同时采用空洞空间金字塔池化模块进行有效的特征融合,并在最后...     

基于样条插值的图像分割算法研究

针对传统分割算法中的阈值选择问题,提出了一种改进的图像阈值分割算法。采用样条插值方法对图像的灰度直方图进行曲线拟合,获得直方图的曲线表达。利用函数极值的特点寻找直方图曲线的极值点,获取阈值,对图像进行阈值分割。实验结果表明,改进算法获得的阈值较其他算法有更好的分割效果。     

基于图像预处理分类分割的盲道分割算法

高准确分割率的盲道分割算法是实现高性能导盲系统的重要保障. 提出一种基于颜色直方图支持向量机方法,将盲道预分类为颜色盲道或纹理盲道,采用对HSV颜色空间的多参数融合的改善OTSU分割方法处理颜色盲道分割,采用基于纹理增强的K均值聚类方法处理纹理盲道分割. 通过有效的预处理分类,可以针对性地根据盲道的颜色或纹理特征进行识别,同时由于采用了改善的颜色和纹理分割算法,极大地改善了对不同种类和环境下的盲道的适应能力. 测试证明,该方法对于测试库图片平均分割准确率可达到90%以上.     

基于改进鲸鱼优化算法的多阈值图像分割技术

针对鲸鱼优化算法(WOA)存在的收敛精度低、局部最优逃逸能力缺乏等问题,提出了一种改进的鲸鱼优化算法(IWOA)。首先,在WOA中引入能量控制因子以改进鲸鱼个体位置的更新方式,提高种群整体优化能力;然后,运用振荡柯西变异策略来增加算法跳出局部最优的概率;最后,应用多种基准函数评价改进算法的收敛精度,验证改进策略的有效性。将IWOA运用于多阈值图像分割实验中,结果证明该算法能够选取高质量阈值,提高图像的分割效率。     

基于机器视觉的图像分割算法的研究

提出了一种自适应的局部阈值图象分割的算法,实验表明新算法能够自动而快速地对图像进行分割,该方法在织物缺陷检测应用,瑕疵检测率达到90％．     

基于混沌优化的二维熵图像分割方法

对于某些灰度特征相对复杂的图像,传统的二维最大熵阈值分割法效果不佳。文章提出了基于混沌优化原理的二维熵分割法,利用类似载波的方法将混沌序列映射至双阈值的二维空间,对局部最大熵进行搜索,在找到的所有极大点中,根据目标所占图像的比例选择最佳阈值进行分割,其分割效果明显优于遗传算法所找到的全局最大值。并用此法对常用的测试图片进行了分割实验,结果证明算法具有可行性。     

基于优化MSER算法的宫颈细胞核分割方法

随着人工智能技术的发展,自动阅片系统在辅助病理医生阅片诊断,提高病理诊断准确率、降低劳动强度等方面起着越来越重要的作用.细胞核的准确分割是影响该自动阅片系统性能的首要因素.由于细胞核、细胞浆与背景之间的边界不清,且细胞之间颜色差异大,对细胞核分割提出了挑战.为解决这一问题,提出了一种基于优化最大极值稳定区域(maxim...     

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。     

岩心三维图像孔喉分割优化算法

在石油地质研究中,识别孔腔和喉道对储集层的研究有重要的意义。Silin提出了最大球算法用于分析3维孔隙信息,最大球算法最大的特点是不需要骨架信息,但是基于最大球概念的喉道分割算法存在的喉道过多,信息提取不准确等问题,对其进行相应改进,首先根据喉道所在位置将孔隙分割为若干个孔腔,然后计算出孔隙和喉道的信息,最后使用统计以及形态学方法去除多分的喉道。通过对球堆积模型和真实岩心样本3维图像进行喉道分割并计算孔喉比,表明改进后算法结果的直观效果较好且数据更合理。     

基于过分割的多目标阈值图像分割算法

提出一种基于过分割的多目标阈值图像分割算法。使用分水岭算法获得待分割图像的过分割区域和分割边界,将类间方差函数和熵函数作为优化目标函数,采用多目标阈值算法对区域的代表点及分割边界上的像素进行划分,再将区域代表点的划分结果扩展到各区域中,以获得整幅图像的分割结果。在多幅Berkeley图像上进行分割测试,并以分割准确率作为算法性能的评价指标,结果显示,新方法在大多数情况下能够获得高于最大类间方差法和最大熵法的分割准确率,此外,由于图像区域信息的使用,使得图像目标能够较为完整地从背景中分离出来。     

基于改进的分水岭算法的图像分割

考虑到分水岭算法存在过分割问题,本文提出一种有效解决方法。在图像预处理过程中首先对图像进行中值滤波来消除部分噪声;然后采用形态学求梯度的方法得到原始图像的梯度图并对梯度图像进行开闭重建,在保留区域重要轮廓的同时去除了噪声和图像细节。在此基础上对重建后的梯度图像进行基于标记约束的分水岭分割。实验结果表明该方法能够较好地抑制过分割,同时通过结构元素的选择而具备一定的灵活性,整个过程无需进行合并处理,降低了分割的复杂性。     

基于量子粒子群算法的双阈值图像分割方法

为了提高图像分割效率,将量子粒子群算法QPSO应用于图像阈值分割领域,并在QPSO算法基础上提出了一种基于边界控制的量子粒子群阈值分割算法BQPSO.改进算法BQPSO引入了边界控制策略,使得飞越搜索区域的粒子不再聚集到区域的边界,而是回到搜索区域内边界附近的某一位置,保持了群体的多样性,有效地避免了算法陷入局部最优解,增强了算法的全局搜索能力.实验结果表明,与遗传算法GA、粒子群算法PSO和标准量子粒子群算法QPSO的阈值寻优结果相比较,BQPS0算法在运算效率、阈值搜索精度和稳定性以及图像分割效果等方面均具有明显的优势.     

基于脑瘤图像三维重建的图像分割改进算法研究与实现

近年来,脑瘤图像处理技术备受医学图像研究者的关注,脑瘤图像分割技术是脑瘤图像处理技术的研究核心.针对当前脑瘤医学图像分割算法的单一性问题,无法给后期脑瘤图像三维重建提供高质量的切片,提出了一种基于模糊聚类分割与模糊增强边缘的综合改进图像的分割算法.实验结果表明:模糊聚类分割非常适用于脑部组织模糊性和复杂性的特点,模糊增强的边缘检测算法处理模糊聚类后的图像边缘清晰,为后期的三维处理奠定了良好的基础,最终实现了较好的脑瘤三维可视化效果.这些算法在医学图像的处理中具有良好的应用前景.     

一种图像分割算法的选择方法

提出了一种基于模糊联想神经网络图像分割算法的选择方法。通过树型小波变换提取图像特征,再用模糊联想分类神经网络将待分割图像划分为灰度图像或纹理图像,并根据分类结果确定分割算法。