基于PSO改进的OTSU图像分割方法

阈值的选取对图像分割后的效果起着至关重要的作用,本文针对图像分割过程中阈值选取的问题,提出了一种基于PSO优化的改进OTSU图像分割算法.该算法以最大类间方差作为PSO算法适应度函数,以当前分割阈值组合作为粒子的当前位置,阈值更新速度作为粒子的当前速度.通过迭代计算更新粒子位置和速度,最后确定图像分割的最佳阈值.与传统OTSU图像分割算法及基本遗传算法图像分割算法相比,该算法稳定性更好,算法效率更高.     

基于模拟退火算法的多阈值图像分割*

针对多阈值图像分割时Otsu算法计算量过大的问题,提出基于模拟退火算法的阈值选取方法。首先依据最大类间方差准则,通过对直方图分析处理得到初始阈值向量,然后将该阈值向量作为初始解,利用改进的模拟退火算法逼近最优阈值向量。较之Otsu算法,该算法的计算量大幅减小,如实验中对图像的三阈值分割,运行效率提高了400多倍。结果表明,该算法能够快速、准确地实现多阈值图像分割。     

优良模式自学习遗传算法在阈值选取中的应用

针对现有图像处理过程中阀值选取优化方法中存在的计算效率低，易陷入局部最优等不足，研究采用优良模式学习算法，求取图像阈值，通过对类间方差的优化，表明该文算法优越性，实验结果进一步证实了该文算法优良，高效，针对图像特点，利用优良模式自学习遗传算法，提出了一种阈值自动选取的策略，提高了阈值选取的准确性及寻优速度。实验结果表明了该文提出算法的可行性。     

基于最大熵原理的多阈值自动选取新方法

基于信息论中最大熵原理 ,提出了一种等概率场下的自动选取阈值的新方法 .该方法是首先通过图象灰度直方图信息 ,并利用 Shannon熵中等概率场具有最大熵的基本性质来确定阈值 ,然后将图象划分为等概率的子块 ,进而给出了该算法的理论推导和算法的具体实现步骤 .与通常的基于熵理论自动获取图象阈值的方法相比较 ,该方法直观、简便、求解稳定 ,且易于实现 .同时该方法克服了常用方法在阈值求取时 ,出现的诸如计算量大、计算效率低等不足等问题 ,故能够迅速地获得图象的阈值 .对比实验的结果 ,也说明了该方法的快速性、有效性、可靠性和稳定性     

微分进化的自适应彩色图像阈值分割

针对阈值的选择依赖于经验和试验的问题,提出了结合微分进化算法和二维最大熵算法得到图像自适应阈值的方法。该方法首先利用全局阈值法中的迭代法得到图像的阈值并初次对图像进行分割,然后利用微分进化算法并且结合二维最大熵阈值进行适应度的计算、个体编码、终断条件等计算图像的自适应阈值,最后对测试的图像应用微分进化算法实现对图像的正确分割。采用微分进化算法可以准确地对图像进行分割,是一个比较高效的方法,有效地提升了分割效果。与现有的自适应阈值分割算法相比,本文算法缩短了计算时间。阈值分割不仅可以对灰度图像进行分割,彩色图像也可以用阈值分割。     

自适应信息过滤中使用少量正例进行阈值优化

自适应信息过滤中一个大的挑战在于其数据稀疏问题.因此,在对输入的文本流进行过滤的同时学习最优阈值非常重要.提出了一种新颖的阈值优化算法.该算法可以通过少量的正例进行快速的学习,所需数据的获得具有增量性,故而其计算量及所需的存储空间很小.此外,该算法还具有高效、健壮、实用性强等优点.在第10届国际文本检索会议(TREC10)上,复旦大学的自适应信息过滤系统使用了该阈值优化算法,并取得了第3名的成绩.其T10U和T10F分别达到了0.215和0.414.     

一种新硬阈值算法在临场感系统中的应用

论文在分析了硬阈值算法的优点与不足之处的基础上,提出了一种新的硬阈值图像去噪算法,并将此算法成功运用到临场感系统中。该算法不仅继承了硬阈值算法处理误差较小、图像边缘保持良好和实现简单的优点,而且针对原始算法阈值划分粗糙、光滑度损失等缺点,引入了调整因子和相邻窗口等方法降低阈值估计风险和提高图像光滑度。理论证明及实验结果表明,新算法是一种高效的实时去噪算法,其不仅具有良好的视觉效果和较低计算复杂度,而且在相同噪声情况下,新算法的MSE、PSNR等指标均优于硬阈值算法。     

基于粒子群优化算法和模糊熵的多级阈值图像分割算法

针对现有阈值分割算法利用穷举搜索寻找最优阈值而造成的计算成本较大的问题,提出了一种基于粒子群优化算法和模糊熵的多级阈值图像分割算法。图像分割是图像分析中非常重要的预处理步骤,在提出的方法中,首先选择香农熵和模糊熵作为优化技术的目标函数;然后建立一种基于粒子群优化算法的多层次图像阈值分割,通过最大化香农熵或模糊熵进行图像分割。最后从图像分割数据库中选取Lena、baboon和airplane作为测试图像进行性能分析（包括鲁棒性、效率和收敛性）,并与现有的几种阈值分割算法进行比较。结果显示,提出的算法得到了更高PSNR值和更少的分类误差,证明了该算法是一种高效的多级阈值图像分割算法。     

基于加权POCS的图像超分辨率重建

对凸集投影(POCS)图像超分辨率重建算法中的残差修复阈值选取问题进行分析,提出一种基于图像超分辨率重建的改进算法。改变传统POCS算法中固定残差修复阈值模式,通过引入低分辨率图像清晰度这一先验信息,用表征图像相对清晰度的参数控制阈值,从而实现整个重建过程阈值动态选取。实验结果证明,该算法能提高残差计算和阈值选取的针对性,对提升重建图像的清晰度及信噪比具有较好的效果。     

基于Teager能量算子的改进阈值函数的去噪算法研究

针对传统阈值去噪中出现的信号与噪声小波包系数的混叠现象、阈值函数在阈值处不连续、小波包系数估计值与原始值存在恒定偏差等问题,提出了一种基于Teager能量算子的改进阈值函数的去噪算法。该算法首先对小波包分解后的小波包系数进行Teager能量算子的计算,使语音与噪声系数间的差异变大,利于阈值的选择;再对软、硬阈值函数导致的伪吉布斯效应、恒定偏差等问题进行改进,提出了一种改进的阈值函数,该函数不仅克服了常用函数的不连续性和恒定偏差问题,且具有更加优越的数学特性。实验结果显示,改进的算法信噪比提高且均方误差有所降低,表明了该算法在最大程度去除噪声的同时也避免了信号的失真,具有较高的实用价值。     

蜂窝移动通信系统中基于免疫遗传算法的固定频率分配

频率分配的问题是一个典型的NP-Complete问题。本文介绍了一种基于免疫遗传算法的蜂窝移动通信固定频率分配方法。通过仿真与标准遗传算法对比分析,说明了免疫遗传算法在解决固定频率分配问题方面具有较好的效果。     

蜂窝移动通信系统中基于免疫遗传算法的固定频率分配

频率分配的问题是一个典型的NP—Complete问题。本文介绍了一种基于免疫遗传算法的蜂窝移动通信固定频率分配方法。通过仿真与标准遗传算法对比分析，说明了免疫遗传算法在解决固定频率分配问题方面具有较好的效果。     

论遗传算法在旅行商问题中的应用

旅行商问题是算法应用中的基本问题,遗传算法具有通用性、智能性、鲁棒性、全局性和并行性的特点,正好适合于该问题的求解。但基本遗传算法在解决旅行商问题时效率不高,并且容易陷于局部最优解。为了解决这一问题,提出了一种改进的遗传算法。文章首先对旅行商问题进行了描述,对遗传算法进行了介绍,对其中的个体选择、交叉算法等重要因素做了一定地改进。最后,用一个简单的实例对基本遗传算法和改进的遗传算法进行了比较,发现改进的遗传算法在解决旅行商问题上的效率问题上有了一定的提高。     

一种基于遗传算法求解TSP问题的优化算法

旅行商问题是组合优化的一个经典问题,也是评价算法好坏的一个标准,它要求在给定的一张图中寻找一条哈密尔顿回路,使得该回路在所有的回路中长度最短。然而,该问题是一个NP完全问题,其求解时间会随着问题规模的扩大急剧上升。因此,只能希望在允许的时间内寻求问题的一个较优的解来替代。本文借助生物学的相关理论与思想采用遗传算法对该问题进行求解,最后通过对遗传算法的进一步分析,提出了一种可行的改进算法,达到了获得较优解的目的。     

遗传算法在求解最小生成树中的运用

以图论和遗传算法为基础,提出了求解最小生成树问题的遗传算法。该算法解决了常用二进制编码不能正确表达最小生成树的问题,利用Prufer数对生成树进行编码;在遗传操作中对变异算子进行了改进,避免了由于变异产生大量不可行解。从而提高了遗传算法的效率;通过数值试验,表明该算法简单,高效,收敛率高。     

基于遗传算法的排课系统

随着高校的发展.在教务管理系统中使用的排课模型也变得越来越复杂,亟需一种适用于开发、重用及设计的方法.针对这种情况.给出了排课问题的教学模型,提出基于遗传算法解决方案.结果表明,该算法能比较有效地解决排课问题.     

有限车辆调度问题的模型和改进遗传算法

考虑到对带时间窗的有限车辆调度问题研究不足的事实,在建立了数学模型的基础上对传统的遗传算法(GA)进行改进：提出采用BellmanFord求最短路算法找出染色体所表示路径的最优组合形式;变异操作应用禁忌搜索算法(TS),并采用TS的动态摆动策略,对邻域结构的可行及不可行解进行有效的搜索。最后用Solomon中的Rc1数据验证了算法的有效性,其结果比较理想。     

基于模拟退火算法的旅行商问题的实现

旅行商问题TSP是一类典型的NP完全问题．围绕着这个问题有各种不同的求解方法,已有的算法例如动态规划法、分支限界法、回溯法等,这些精确式方法都是指数级的,根本无法解决目前的实际问题．贪心法是近似方法．无法达到比较满意的近似比。常用的遗传算法也是求解这类问题的常用方法之一。由于该问题的解是一种特殊的序列．所以遗传算法在求解该问题时的性能也并不理想。模拟退火算法具有描述简单、使用灵活、运用广泛、运行效率高和较少受到初始条件约束等优点．是解决旅行商问题的一种很好的算法。     

多种群退火贪婪混合遗传算法

遗传算法是应用比较广泛的一种随机优化算法,遗传算法的收敛速度与问题解的质量是影响算法寻优性能的一对主要矛盾。为了提高遗传算法的性能,论文通过将局部搜索能力较强的贪婪算法引入遗传算法,并且同模拟退火和多种群并行遗传进化思想有机结合起来的方法,提出了一个改进型的算法——多种群退火贪婪混合遗传算法(MultigroupAnnealingGreedyHybridGeneticAlgorithm,简称MAGHGA)。仿真结果表明,该算法避免了在遗传算法中存在的早熟收敛问题,增强了算法的全局收敛性,同时也有效地提高了算法的收敛速度。     

基于遗传算法的指派问题求解

提出了利用遗传算法来解决指派问题．主要将每项任务作为一个基因位。形成染色体。然后借助遗传操作的选择、交叉和变异等操作来对问题进行优化操作。实验结果表明该算法是有效的。