收藏本站
《江南大学》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群算法及其在图像分割中的应用与研究

高浩  
【摘要】: 粒子群优化算法源于鸟群和鱼群群体运动行为的研究,是一种新的群体智能优化算法,是演化计算领域中的一个新的分支。它的主要特点是原理简单、参数少、收敛速度快,所需领域知识少。该算法的出现引起了学者们极大的关注,已在函数优化、神经网络训练、组合优化、机器人路径规划等领域获得了广泛应用,并取得了较好的效果。尽管粒子群优化算法发展近十年,但无论是理论分析还是实践应用都尚未成熟,有大量的问题值得研究。 本文从算法机理、算法改进和算法应用等方面对其进行了系统性的研究。此外,图像分割是图像分析和模式识别的首要问题,也是图像处理的经典难题之一。本文将微粒群算法和图像分割法相结合,提出了基于改进PSO算法的分割算法,在取得良好的分割效果的同时,运用算法的并行搜索机制显著的提高了分割速度。论文具体内容如下: (1)对粒子群算法及其理论基础(优化方法和进化计算)进行了详细的综述。首先本文概述了优化方法的产生和发展,着重介绍了优化方法的基本思想、研究领域、应用发展情况;阐述了进化计算的产生、定义以及研究内容,并介绍了几种典型的进化计算方法,包括遗传算法、进化策略、微分进化等;最后介绍了粒子群优化算法,阐述了粒子群优化算法的起源,介绍了粒子群优化算法的初始版本和标准版本,从理论研究和应用研究的角度综述了粒子群优化研究的现状,总结了标准粒子群优化算法存在的问题。同时本文使用了蒙特卡罗方法对粒子的行为进行了研究,结果显示PSO算法在迭代后期具有搜索能力较弱的缺点,同时也给出了如何提高PSO算法收敛性的方法。此外,九个标准测试函数用来测试PSO算法和其他几种流行的进化计算方法的性能,结果验证了PSO有着其他进化算法无法比拟的快速收敛等特性。 (2)尽管PSO算法比其他算法对复杂函数有着较强的寻优能力以及收敛速度快等特点,但是它依然无法保证在搜索空间中找到全局最优点。因此在本文中引入了具有着更强全局搜索能力的QPSO算法来进行研究改进。但是由于QPSO同PSO算法一样的是,它也把粒子作为一个整体来进行更新,因此QPSO算法同样具有维数限制的缺点。通过把一个具有复杂高维的粒子分解为多个一维的子个体进行优化,使用协作方法的QPSO算法能够很好的克服这一缺点。八个测试函数以及应用于图像分割领域的最大类间方差法(OTSU方法)在本文中用来测试改进以后的QPSO算法的成绩。仿真结果表明,与其他算法比较来看,协作方法帮助QPSO算法获得更精确的解。它同样也克服了OTSU方法受维数束缚的缺陷。 (3)在分析了粒子群全局收敛能力的基础之上,针对粒子群算法局部收敛和搜索精度低的问题,提出了一种全局的基于Gaussian变异的粒子群算法(GGPSO).该算法结合了局部和全局变异因子使算法在全局和局部搜索能力中找到了一个很好的平衡,并证明了它能以概率1收敛到全局最优解。典型函数优化的仿真结果表明,该算法不仅可有效的避免标准PSO算法的早熟收敛,而且具有寻优能力强、搜索精度高、稳定性好等优点。同时针对图像信息处理中的图象分割这一难点问题,以Kapur算法为优化目标,验证了该算法克服了图象分割中寻优速度慢的缺点,与其他群体算法比较获得了更大的适应度函数值。因此,该算法更适合于图像分割以及相关的函数优化问题。 (4)在分析了粒子群收敛性的基础之上,针对粒子群(PSO)算法后期搜索能力下降的问题,提出了一种基于适度随机搜索策略的粒子群算法(IRPSO).该方法在提高粒子群算法收敛速度的前提下,有效的提高了粒子的全局搜索能力。另外,由于该方法只有一个控制参数和迭代公式,因此更为简单易实现。典型函数优化的仿真结果表明,该算法相对于比较算法来说获得了更好的性能。同时针对图像分割这一难点问题,以互信息熵差为优化目标,验证了该算法在比较算法中获得了更好的分割效果。 论文最后对所做工作进行了总结,并提出了进一步研究的方向。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 唐英干;刘冬;关新平;;基于粒子群和二维Otsu方法的快速图像分割[J];控制与决策;2007年02期
2 叶志伟;张金平;赖旭东;;基于粒子群算法的最大交叉熵的图像分割方法[J];安徽农业科学;2007年23期
3 张俊宝;;基于改进PSO理论的二维Otsu分割算法[J];电光与控制;2010年07期
4 来磊;卢文科;邓开连;;基于二维Tsallis交叉熵直线型图像阈值分割方法[J];计算机技术与发展;2010年06期
5 白明明;孙辉;吴烈阳;;基于小生境粒子群算法的图像分割方法[J];计算机工程与应用;2010年03期
6 卢桂馥;窦易文;王勇;;一种基于PSO算法和ICM模型的图像自动分割算法[J];计量技术;2008年03期
7 申晓军;唐朝晖;徐进;桂卫华;;基于DCIWPSO在谷底边缘泡沫图像分割的应用[J];计算机应用研究;2010年09期
8 李艳灵;;基于混合粒子群算法的自适应均值漂移算法[J];华中科技大学学报(自然科学版);2010年01期
9 陈允杰;张建伟;韦志辉;夏德深;王平安;;基于高斯混合模型的活动轮廓模型脑MRI分割[J];计算机研究与发展;2007年09期
10 王顺凤;张建伟;;多元高斯混合模型脑MR图像去壳模型[J];计算机工程与应用;2009年01期
11 张薇薇;唐英干;;基于最大熵和粒子群优化的红外图像分割(英文)[J];电子器件;2007年05期
12 徐翠;陈蒙爱;王广君;;基于粒子群算法的二维Otsu阈值分割法[J];仪器仪表用户;2009年02期
13 于志奇;;粒子群优化算法的改进与性能分析[J];晋中学院学报;2011年03期
14 牛玉会;;基于粒子群算法在六峰驼背函数中的应用[J];当代经理人(下旬刊);2006年08期
15 高志昊;蒋建中;夏磊;;基于分层向量距离的实时多媒体数据挖掘模型[J];计算机工程与应用;2007年01期
16 邹长武;羊依金;丁恒康;张雪乔;;基于粒子群算法的GM(1,1)在经济发展预测中的应用[J];成都信息工程学院学报;2007年03期
17 段晓东;;基于群智能的计算与仿真方法研究[J];大连民族学院学报;2007年03期
18 王晟;潘郁;;个体激励粒子群算法及其社会学背景分析[J];计算机工程;2008年21期
19 陈永刚;牛丹梅;范庆辉;;粒子群算法在组合优化问题上的研究与发展[J];电脑与电信;2008年12期
20 刘胜利;刘鹏飞;;粒子群算法在黑盒测试中的应用[J];现代经济信息;2009年21期
中国重要会议论文全文数据库 前10条
1 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
2 赵亮;;遗传增强混沌粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
3 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
4 丛亮;胡成全;郭宗鹏;姜宇;沙丽华;;基于模拟退火思想的基本粒子群算法改进[A];第二十七届中国控制会议论文集[C];2008年
5 张顶学;朱迎辉;廖锐全;;一种动态改变惯性权重的粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
6 张顶学;廖锐全;;粒子群算法分析及惯性权重的动态改变策略[A];第二十七届中国控制会议论文集[C];2008年
7 常俊林;梁君燕;魏巍;;解决流水车间双目标调度问题的免疫粒子群算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
8 周晓君;阳春华;桂卫华;;可变随机函数的PSO算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
9 史久根;徐胜生;;基于文化-粒子群算法的机器人路径规划算法[A];2011中国仪器仪表与测控技术大会论文集[C];2011年
10 段练;张玉斌;;坐标改进型粒子群算法在应用层组播中的应用[A];煤炭机电与自动化实用技术[C];2012年
中国重要报纸全文数据库 前10条
1 本报记者 叶青 通讯员 粤科宣;病人家属也可操刀“做手术”[N];广东科技报;2011年
2 兴业期货 秦小坡;基于PSO算法的二维动量空间在股指期货上的应用[N];期货日报;2010年
3 陈雪;康佳“第一屏”今年上“春晚”[N];中国证券报;2007年
4 ;“天下第一屏”落户深圳华侨城[N];消费日报;2006年
5 张兰华;数字化技术助力安防行业上台阶[N];光明日报;2006年
6 刘奕;康佳高起点挺进LED产业[N];中华工商时报;2006年
7 向良璧;断层图像处理分析技术取得重大成果[N];经济参考报;2003年
8 张兰华;数字化核心助力安防行业渐入佳境[N];科技日报;2006年
9 游雪晴;专家指出:不要炒作虚拟人[N];科技日报;2003年
10 安徽 云飞;VB中图像显示特效五例[N];电脑报;2001年
中国博士学位论文全文数据库 前10条
1 高浩;粒子群算法及其在图像分割中的应用与研究[D];江南大学;2009年
2 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
3 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
4 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
5 秦全德;粒子群算法研究及应用[D];华南理工大学;2011年
6 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
7 常彦伟;纵向参数多子群粒子群算法的研究与应用[D];中国矿业大学;2009年
8 全海燕;混合克隆竞争与启发学习策略的多角色随机游动粒子群算法研究[D];云南大学;2010年
9 谭枫;介入式文化算法及其应用研究[D];哈尔滨工程大学;2010年
10 岳本贤;粒子群算法拓展研究及在约束布局优化中应用[D];大连理工大学;2012年
中国硕士学位论文全文数据库 前10条
1 杨立标;基于混合优化策略的粒子群算法及其应用研究[D];哈尔滨工程大学;2010年
2 汪华;粒子群算法的研究及其在供水优化调度中的应用[D];合肥工业大学;2011年
3 赵辛欣;随机聚焦粒子群算法在机组组合中的应用[D];西南交通大学;2010年
4 王冬;基于粒子群算法的Web文本信息过滤研究[D];华北电力大学(河北);2010年
5 朱秀敏;改进粒子群算法的研究及其在天线设计中的应用[D];太原理工大学;2011年
6 冯维;基于粒子群算法求解多目标函数优化[D];吉林大学;2010年
7 兰任;基于并行混合粒子群算法的蛋白质结构预测[D];大连理工大学;2010年
8 杨琳;基于自适应混沌粒子群算法的多目标无功优化研究[D];东北电力大学;2011年
9 管月智;粒子群算法的研究与应用[D];江南大学;2011年
10 陈琳玲;基于简化粒子群算法的测试数据自动生成方法研究[D];西南大学;2010年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978