基于遗传模拟退火算法的Otsu图像分割研究

针对目前基本遗传算法在优化图像分割算法中存在的易于早熟、陷入局部最优的不足,以最大类间方差函数为适应度函数,提出了一种基于改进遗传算法的图像阈值分割算法.对交叉、变异算子进行自适应改进,同时将模拟退火算法融入到遗传算法中,使得对个体的评价更合理,既能克服种群退化现象,又改善算法的全局搜索能力,避免遗传算法陷入局部最优.实验结果显示,与Otsu图像分割法以及基于遗传算法的图像分割方法相比,使用该方法得出的阈值范围更加稳定,执行效率更高,在图像分割中获得的分割效果更佳.     

基于克隆选择算法的最大模糊熵图像分割

为了分割照度不均匀的图像,提出了一种基于最大模糊熵和免疫克隆选择算法的阈值分割方法.该方法利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,确定区分目标和背景的最佳阈值,实现图像分割.为了验证该方法的有效性,对其进行了图像分割实验,并与遗传算法进行了比较.实验结果表明,该算法能够自动、有效地选取阈值,分割效果优于遗传算法,并能保留原始图像的主要特征.     

基于改进的二维Otsu的铁路轨道阈值分割方法

Otsu最大类间方差法是图像阈值分割中的经典算法之一,在图像处理邻域应用广泛。为了改善传统二维Otsu算法存在运算时间较长,不适用于铁路轨道实时监测的缺点。文中将遗传算法与Otsu算法相结合,运用自适应遗传算法的原理,通过选择、交叉、变异等操作,寻找图像灰度最佳分割阈值。实验结果表明,在兼顾了图像分割质量前提下,文中算法大幅缩短了运算时间,较好提取了铁轨轮廓。     

一种改进的PCNN图像分割算法

PCNN用于图像分割时,为获得满意分割效果,其参数往往通过反复试凑确定,这在一定程度上限制了PCNN的使用。为此在改进的PCNN基础上,提出结合图像灰度直方图,以最大交叉熵函数作自适应遗传算法的适应度函数,采用自适应遗传算法搜索最优门限阈值的图像分割算法。该方法可有效地完成图像分割,分割结果优于原PCNN和传统Ostu算法。     

低信噪比红外小目标图像的分割方法

针对复杂背景条件下的红外图像分割问题,将遗传算法与人类视觉感知原理相结合, 探讨了一种新的多阈值图像分割方法即基于遗传算法的图像阈值分割方法,该算法引入了一个自动判别且时空可变的目标背景条件和调整最佳分割区域的步骤,提高了分割算法的质量及鲁棒性,克服了传统阈值方法在图像分割中的局限性。通过计算机仿真实验,验证了该方法的有效性。     

基于改进图像自适应算法的车道线识别研究

针对图像自适应阈值分割中最佳阈值的计算问题,提出了一种根据图像结构相似度计算最佳分割阈值的方法。该方法分为模型建立和目标图像阈值计算两部分。模型建立时,首先选取场景标准模板图像,再计算训练图像与标准模板图像对比后的结构相似度,并依据图像质量评价标准判定最佳的阈值,建立特定场景下的最佳阈值与结构相似度的关系模型;阈值计算时,首先计算目标图像与标准模板图像对比后的结构相似度,再根据关系模型,直接计算最佳分割阈值。为验证此方法,选用晴天高速公路场景下的图像进行测试。结果表明,所提算法的阈值分割效果优于传统自适应阈值分割算法,并且具有更高的运算效率。     

基于自适应粒子群优化的三维OTSU图像分割算法

针对三维OTSU分割算法运算量大、计算时间长的问题,提出了一种基于自适应粒子群优化的三维OTSU图像分割算法。首先采用最佳熵的方法初步提取图像的目标区域,根据该目标区域特征自适应地调整三维OTSU算法的背景搜索范围,然后采用三维OTSU算法并结合粒子群优化最佳分割阈值对原图像进行分割。实验结果表明,与三维OTSU阈值分...     

基于遗传算法的干涉图像的最佳熵研究

将遗传算法用于计算云纹干涉图像的二值化阈值，提出基于改进遗传算法的图像分割方法，采用Otsu公式，找出分割图像最优阈值。通过算法实现表明，利用遗传算法所得到的最佳阈值进行二值化处理，效果非常好。     

基于改进遗传算法的图像分割方法的分析

图像处理方面的核心科学中图像分割是相当重要的方面,是图像处理领域的关键技术,并且影像判断分析与模式识别也是在良好的图像分割的基础上完成的。利用改进遗传算法对二维Otsu图像分割函数进行全局优化,该方法可以根据单体适合度值和种群特点调整遗传群体运算的控制参数,进而在保持种群多样性的同时加快收敛速度,得到图像分割处理的最佳分割阈值。该方法克服了基本遗传算法的收敛性差、易早熟等问题。     

基于最佳熵的三维Otsu图像分割算法

针对三维Otsu分割算法运算量大的问题,本文提出了一种基于最佳熵的三维Otsu图像分割算法。文章中,我们首先采用最佳熵方法初步提取图像的目标区域,并根据目标区域的平均灰度确定三维Otsu图像分割算法的背景区域搜索范围,然后采用三维Otsu算法并结合遗传算法对原图像进行分割。实验结果表明,与三维Otsu阈值分割方法的递推算法相比,该方法能够进一步减少运算时间。     

一种竞争环境下基于自适应遗传算法的多边多议题协商

为了提高竞争环境下基于智能体电子商务多边多议题协商当中agent协商的效率,该文提出了一种竞争环境下agent的协商模型,并且将自适应遗传算法AGA应用于该模型当中,来提高模型中agent协商的效率。在实验中,分别对于两种遗传算法即:标准遗传算法SGA和自适应遗传算法AGA各进行了1000次的实验。结果表明同样达到协商满意解的时候,SGA平均需要183次协商,而AGA平均需要152次协商。这个结果说明,在求解竞争环境下多边多议题协商问题的时候,自适应遗传算法AGA可以使得协商当中的agent高效达到协商的满意解。     

ALGA在岸基导弹航路规划中的应用研究

针对基本遗传算法(GA)易局部收敛的缺陷,设计了基于模式搜索的自学习算子,提出一种基于模式搜索的自学习遗传算法(ALGA)。通过仿真测试函数将ALGA与基本遗传算法、自适应遗传算法(AGA)进行比较,显示改进的ALGA提高了算法的综合搜索能力。将改进的ALGA运用到岸基导弹航路规划中,并进行仿真实验,仿真结果验证了改进算法的有效性。     

一种基于改进遗传算法的多播路由选择方法

遗传算法已经在多播路由优化问题中得到了广泛应用,但由于算法本身存在着收敛速度与全局收敛性之间的矛盾,使得在具体应用时经常顾此失彼,难以二者兼得,本文借鉴一种改进的遗传算法,在全局收敛的基础上提高收敛速度仿真表明,应用这种改进型遗传算法于多播路由问题,可以得到比现有启发式算法更好的结果.     

混合动力汽车控制策略优化研究

将自适应遗传算法与序列二次规划算法结合构成混合遗传算法,用于求解混合动力汽车控制策略参数优化问题。一方面,分析并建立了控制策略参数优化的有约束非线性模型;另一方面,改进算法中自适应交叉和变异概率调整公式,并提出了序列二次规划算子与遗传算法结合的新方式。仿真结果表明,该算法提高了收敛速度和求解精度,保证了全局收敛性,在混合动力汽车控制策略参数优化中的应用是有效的。     

基于免疫算法的SAR图像分割方法研究

免疫算法是借鉴生命科学中免疫的概念和理论提出的一种优化算法,它继承了遗传算法的优越性,且避免了优化过程中的退化现象。空间矩阵描述了不同区域间的相邻概率。SAR图像固有的相干斑噪声使对SAR图像处理非常困难。同时,由于SAR图像具有不同区域间对比度较大的特点,因而SAR图像的空间矩阵具有同类区域间相邻概率较大,异类区域间相邻概率较小的特征。该文将SAR图像的空间矩阵的这一特征作为免疫算法中的疫苗,用免疫算法搜索分割结果,并收敛到最优。仿真结果表明,这是一种有效的SAR图像区域分割方法,可以明显抑制噪声对分割结果的影响。     

在线铁谱图像分析中基才蚁群算法改进Otsu的设计与应用

在线铁谱图像获取机器磨损状态信息是铁谱诊断技术的核心和瓶颈。针对在线铁谱磨粒图像的Kirsch边缘检测特征不明显和Otsu（最大类间方差法）获取最佳阈值的局限性及耗时等问题,设计了一种基于蚁群算法改进Otsu方法完成图像分割,并结合Kirsch边缘检测来提取磨粒图像信息的新方法。首先通过Kirsch算子检测出图像边缘．然后运用基于蚁群算法改进Otsu方法求取最佳阈值并进行二值化处理．最后采用灰度堆栈空间实现磨粒自动定位。通过现场对三峡电厂5号水轮发电机组2012年油液进行试验和数据分析、及近一年的机组开机老化运行．得出所设计的算法能够有效提取磨粒图像信息,同时节省运算时间,对水轮机组故障预测、诊断起到了良好的实际作用。     

Genetic algorithm in reduction of numerical dispersion of 3-D ADI-FDTD method

A new method to reduce the numerical dispersion of the three-dimensional Alternating Direction Implicit Finite-Difference Time-Domain （3-D ADI-FDTD） method is proposed. Firstly, the numerical formulations of the 3-D ADI-FDTD method are modified with the artificial anisotropy, and the new numerical dispersion relation is derived. Secondly, the relative permittivity tensor of the artificial anisotropy can be obtained by the Adaptive Genetic Algorithm （AGA）. In order to demonstrate the accuracy and efficiency of this new method, a monopole antenna is simulated as an example. And the numerical results and the computational requirements of the proposed method are compared with those of the conventional ADI-FDTD method and the measured data. In addition the reduction of the numerical dispersion is investigated as the objective function of the AGA. It is found that this new method is accurate and efficient by choosing proper objective function.     

光散射模型参量反演中的遗传模拟退火算法

为了研究遗传模拟退火算法在光散射模型参量反演中的迭代搜索性能问题,分别采用遗传模拟退火算法和单一遗传算法迭代搜索了几种介质的双向反射分布函数模型的相关参量。将两种算法的反演结果与在特定激光波长下的双向反射分布函数实验数据进行了对比,通过理论分析和实验验证,取得了两种算法所得到的拟合值,两种拟合值都与实验数据吻合得较好;同时比较了遗传模拟退火算法和单一遗传算法在迭代次数、计算时间和均方误差等之间的差异。结果表明,两种算法在不同介质表面双向反射分布函数模型参量反演时都可以得到满意的结果,且前者优化效果更优。这一结果对研究不同算法的迭代搜索性能是有帮助的。     

High Performance Adaptive Fidelity Algorithms for Multi-Modality Optic Nerve Head Image Fusion

A high performance adaptive fidelity approach for multi-modality Optic Nerve Head (ONH) image fusion is presented. The new image fusion method, which consists of the Adaptive Fidelity Exploratory Algorithm (AFEA) and the Heuristic Optimization Algorithm (HOA), is reliable and time efficient. It has achieved an optimal fusion result by giving the visualization of fundus image with a maximum angiogram overlay. Control points are detected at the vessel bifurcations using the AFEA. Shape similarity criteria are used to match the control points that represent same salient features of different images. HOA adjusts the initial good-guess of control points at the sub-pixel level in order to maximize the objective function Mutual-Pixel-Count (MPC). In addition, the performance of the AFEA and HOA algorithms was compared to the Centerline Control Point Detection Algorithm, Root Mean Square Error (RMSE) minimization objective function employed by the traditional Iterative Closest Point (ICP) algorithm, Genetic Algorithm, and some other existing image fusion approaches. The evaluation results strengthen the AFEA and HOA algorithms in terms of novelty, automation, accuracy, and efficiency.     

基于遗传优化的阈值选取方法

图像分割的关键性技术是阈值选取。在图像阈值选取中,最小误差法受目标大小和噪声影响小,对小目标仍具有好的分割效果,但运算量较大。本文利用遗传算法优化最小误差法获得最佳阈值。算法简单、快速、稳定性强,而且减少直接引用最小误差法的运算量,提高其性能。实验结果表明可减少50％左右的运算量。