收藏本站
《兰州交通大学》 2014年
收藏 | 手机打开
二维码
手机客户端打开本文

融合量子衍生及DNA计算速率的智能算法在图像分割中的研究

李积英  
【摘要】:图像分割是图像处理领域由低层次到高层次的任务之一,是一种基本的图像处理技术,是图像处理过程中的基本问题和难点问题,对处理后的图像数据进行相关的分析及理解依赖于图像分割后的准确数据。该技术的研究涉及机器学习、人工智能、计算机视觉、模式识别、以及数字图像处理等,是多种学科交叉融合处理具体问题的典型。随着图像分割技术的不断深入研究,也会推动相关学科的发展和成熟,促进人们解决类似复杂问题的研究方法。同时分割结果的应用涉及实际生活的各个方面,加之人们对图像分割准确性及实时性的要求越来越高。因此,图像分割技术的研究显得尤为重要。到目前为止,仍然不存在具有普遍适用的分割理论,通常采用具体对象具体解决的方法。本文重点就智能算法应用于医学图像分割时,存在的分割不准确及实时性较差等缺点,从分析普通智能算法机理入手,深入研究量子理论,结合量子理论的优点,设计量子衍生智能算法,并应用于图像分割。主要研究工作如下:(1)通过对蚁群算法原理的分析,明确蚁群算法具有较好的鲁棒性、正反馈机制以及良好的并行性;通过对蚁群算法性能的分析,明确该算法用于图像分割时表现出的早熟、停滞的现象及运算时间长的问题,使得图像分割问题得不到准确解。为解决此问题,对蚁群算法进行量子化;为解决初始阶段算法收敛速度慢,很难在大量候选解中快速找出较好解的问题,利用混沌优化形成初始信息素分布,对算法进行优化以加快收敛速度,最后给出了用于图像分割的算法流程,并对算法的收敛性进行了证明。通过标准测试函数及具体图像分割实验,验证了该算法的有效性。(2)MR图像广泛应用于医学临床辅助诊断中,但脑部MR图像中包括脑灰质、脑白质、脑脊液等多种组织,每种组织结构形状复杂、组织边界不清晰、灰度分布不均匀等特点,决定了其分割的复杂性。普通模糊聚类分割算法依赖于初始参数的设定,效果并不尽人意。针对此问题,将模糊聚类算法与量子蚁群算法相结合,利用量子蚂蚁搜索空间的多样性以及收敛速度快的优点,得到目标函数最优值,再将其作为改进模糊聚类算法的初始参数值,对图像进行分割。通过实验分析,以及常用模糊聚类算法客观评价准则计算,验证了该方法的有效性。(3)医学CT图像中病灶及感兴趣区域的分割是后续治疗的关键,基于最大熵的阈值法是应用广泛的一种分割算法。但一维最大熵阈值分割法并不适合CT图像肿瘤靶区的准确分割要求。许多研究者利用图像更多的局部空间信息提出了二维或更高维熵的阈值分割法,这种方法要不断重复计算熵值,其计算耗时过多,难以用于实时图像处理系统。基于此,提出一种改进的量子克隆进化算法,利用量子空间的多样性丰富种群信息,在传统进化算法中引入克隆算子和量子变异,搜索二维Tsallis熵最优阈值,给出了算法总体流程,并将其用于CT图像的分割中。仿真实验分析证明,与传统进化算法相比,提高了算法的收敛速度,有效避免了传统进化算法易陷入局部极值的问题,分割效果良好,可以满足医学图像三维重建要求。(4)评价分割算法的优劣不仅取决于分割精度,还取决于分割速度。随着图像分辨率越来越高,普通智能算法应用于图像分割领域时的实时性很难保证。因此,有必要在保证算法分割精度不降低的前提下,融合新型计算方法以提高智能算法的寻优速度。基于此,提出一种新型DNA计算方法改进的量子遗传算法,将生化反应速率的DNA计算引入量子遗传算法。利用DNA编码,同时引入置换自适应交叉算子和密码子变异算子对遗传算法进行改进,将其算法用于寻找二维熵的最佳阈值,然后对图像进行分割,标准测试图像及医学图像分割实验证明该方法在保证分割精度不降低的前提下有效提高了分割的速度。综上所述,论文就图像分割中广泛使用的智能算法进行了深入分析,研究了基于量子衍生智能算法及融合DNA计算速率的遗传算法在图像分割中的应用,通过标准图像及医学图像仿真实验比较,本文方法在分割的精度及速度方面获得了较好的效果。
【学位授予单位】:兰州交通大学
【学位级别】:博士
【学位授予年份】:2014
【分类号】:TP391.41

【参考文献】
中国期刊全文数据库 前5条
1 杨俊安,庄镇泉,史亮;多宇宙并行量子遗传算法[J];电子学报;2004年06期
2 李伟;;改进的基于模糊C-均值聚类的图像分割算法[J];哈尔滨商业大学学报(自然科学版);2013年04期
3 李积英;党建武;王阳萍;;融合量子克隆进化与二维Tsallis熵的医学图像分割算法[J];计算机辅助设计与图形学学报;2014年03期
4 马儒宁;朱燕;丁军娣;;SOFT IMAGE SEGMENTATION BASED ON CENTER-FREE FUZZY CLUSTERING[J];Transactions of Nanjing University of Aeronautics & Astronautics;2013年01期
5 张向荣;骞晓雪;焦李成;;基于免疫谱聚类的图像分割[J];软件学报;2010年09期
【共引文献】
中国期刊全文数据库 前10条
1 师学明;范建柯;罗红明;肖敏;杨国世;张旭辉;;层状介质大地电磁的自适应量子遗传反演法[J];地球科学(中国地质大学学报);2009年04期
2 周殊;潘炜;罗斌;张伟利;丁莹;;一种基于粒子群优化方法的改进量子遗传算法及应用[J];电子学报;2006年05期
3 邢焕来;潘炜;邹喜华;;一种解决组合优化问题的改进型量子遗传算法[J];电子学报;2007年10期
4 朱思峰;刘芳;戚玉涛;柴争义;吴建设;;异构无线网络中基于免疫计算的联合会话接纳控制[J];电子学报;2011年11期
5 金文梁;陈向东;;相位不匹配的量子搜索算法[J];电子学报;2012年01期
6 杨俊安,邹谊,庄镇泉;基于多宇宙并行量子遗传算法的非线性盲源分离算法研究[J];电子与信息学报;2004年08期
7 孙力娟;王汝传;;量子计算与遗传算法的融合及其在计算机通信网优化中的应用[J];电子与信息学报;2007年04期
8 姜万录;张生;;改进的量子遗传算法在冷连轧机负荷分配中的应用研究[J];燕山大学学报;2013年01期
9 柴争义;陈亮;朱思峰;沈连丰;;认知无线网络中基于免疫克隆优化的功率分配[J];电子科技大学学报;2013年01期
10 孙飞显;李彬;;一种基于免疫的计算机网络攻击检测方法[J];成组技术与生产现代化;2013年02期
中国重要会议论文全文数据库 前2条
1 陈春林;;分层式强化学习研究进展[A];'2008系统仿真技术及其应用学术会议论文集[C];2008年
2 朱东坡;李飞;;量子遗传算法在认知无线电频谱分配中的应用[A];2010年通信理论与信号处理学术年会论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 王中锋;树型贝叶斯网络分类器鉴别式训练研究[D];北京交通大学;2011年
2 覃姜维;迁移学习方法研究及其在跨领域数据分类中的应用[D];华南理工大学;2011年
3 周世兵;聚类分析中的最佳聚类数确定方法研究及应用[D];江南大学;2011年
4 高林;数据校正技术若干研究及应用[D];华东理工大学;2010年
5 袁文华;高压共轨喷油系统多学科设计优化及智能控制研究[D];湖南大学;2010年
6 孙丰诚;航空发动机性能寻优控制技术研究[D];南京航空航天大学;2007年
7 金乃高;音视频联合说话人定位与跟踪方法研究[D];大连理工大学;2008年
8 焦嵩鸣;计算智能及其在热工系统中的应用研究[D];华北电力大学(河北);2007年
9 丰小月;基于量子机制与组合方法的智能优化算法及应用研究[D];吉林大学;2008年
10 杨佳;混合量子优化算法理论及应用研究[D];重庆大学;2009年
中国硕士学位论文全文数据库 前10条
1 柳凤娟;板坯库入库计划模型与算法研究及应用[D];大连理工大学;2010年
2 裴飞飞;量子遗传算法在机械优化问题中的应用研究[D];武汉科技大学;2010年
3 张常利;基于均匀设计和熵的遗传算法及其在线性系统控制中的应用[D];太原理工大学;2011年
4 方超;量子遗传算法的改进及其在火电机组负荷优化分配上的应用[D];华北电力大学(北京);2011年
5 陈兰;量子智能算法及其在语音识别中的应用[D];南京邮电大学;2011年
6 汤剑;齿轮加工车间生产调度问题的研究[D];南昌大学;2011年
7 陈冲;量子群智能算法及其在控制器优化设计中的应用[D];哈尔滨工业大学;2010年
8 李娟;燃醇基燃料锅炉燃烧系统优化建模与智能控制研究[D];湖南大学;2009年
9 封安辉;基于QGA优化的BP神经网络在电力电子电路故障诊断中的应用研究[D];兰州交通大学;2011年
10 刘杨磊;基于量子遗传算法的改进的粒子群算法及其应用[D];哈尔滨工程大学;2011年
【二级参考文献】
中国期刊全文数据库 前10条
1 焦李成,杜海峰;人工免疫系统进展与展望[J];电子学报;2003年10期
2 张云飞;张晔;;二维直方图创建的新方法实现图像自动分割[J];光电工程;2007年01期
3 路彬彬;贾振红;杨杰;胡英杰;;基于领域灰度的模糊C均值图像分割算法[J];光电子.激光;2011年03期
4 尹诗白;赵祥模;王卫星;;基于递推遗传的模糊3-划分熵多阈值FISH基因提取[J];光学精密工程;2012年07期
5 沙秀艳;何友;王贞俭;;邻域灰度差加权的模糊C均值聚类图像分割算法[J];火力与指挥控制;2008年12期
6 杨金龙;张光南;厉树忠;田野;王全来;;基于二维直方图的图像分割算法研究[J];激光与红外;2008年04期
7 李娜;李元香;;基于自适应粒子群算法和数据场的图像二维阈值分割[J];计算机辅助设计与图形学学报;2012年05期
8 吕洁;熊春荣;;交互式医学图像分割算法[J];计算机仿真;2010年12期
9 李盼池;宋考平;杨二龙;;基于受控旋转门的量子神经网络模型算法及应用[J];控制与决策;2011年06期
10 郑强;董恩清;;窄带主动轮廓模型及在医学和纹理图像局部分割中的应用[J];自动化学报;2013年01期
【相似文献】
中国期刊全文数据库 前10条
1 吴志攀;赵跃龙;;车型图像分割方法的研究[J];惠州学院学报(自然科学版);2005年06期
2 杨梦宁;杨丹;张强劲;;基于最大树法的模糊图像分割方法[J];计算机科学;2005年08期
3 宋麦玲;杨小红;;图像分割技术研究[J];软件导刊;2007年07期
4 蒋小标;汤光明;徐蕾;;基于模糊理论的图像分割方法[J];计算机工程与设计;2007年16期
5 郑肇葆;;Cognitive Agent在图像分割中应用的研究[J];武汉大学学报(信息科学版);2008年07期
6 侯立华;;图像分割方法综述[J];科技创新导报;2008年22期
7 刘海亮;;数字图像分割方法研究[J];电脑知识与技术;2009年09期
8 胡天翔;郑加强;周宏平;丛静华;;提高动态树木图像分割处理速度的方法[J];林业科学;2009年06期
9 黄长专;王彪;杨忠;;图像分割方法研究[J];计算机技术与发展;2009年06期
10 宋寅卯;刘磊;;图像分割研究方法及进展[J];电脑学习;2010年02期
中国重要会议论文全文数据库 前10条
1 杨魁;赵志刚;;图像分割技术综述[A];2008年中国高校通信类院系学术研讨会论文集(下册)[C];2009年
2 杨暄;郭成安;李建华;;改进的脉冲耦合神经网络及其在图像分割中的应用[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
3 杨生友;;图像分割在医学图像中应用现状综述[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年
4 闫平昆;;基于模型的图像分割技术及其医学应用[A];第十五届全国图象图形学学术会议论文集[C];2010年
5 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛(交通运输工程学科)论文集(下册)[C];2005年
6 孙莉;张艳宁;胡伏原;赵荣椿;;基于Gaussian-Hermite矩的SAR图像分割[A];第十三届全国图象图形学学术会议论文集[C];2006年
7 李盛;;基于协同聚类的图像分割[A];第十四届全国图象图形学学术会议论文集[C];2008年
8 张利;许家佗;;舌象图像分割技术的研究与应用进展[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年
9 秦昆;李振宇;李辉;李德毅;;基于云模型和格网划分的图像分割方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
10 高惠琳;窦丽华;陈文颉;谢刚;;图像分割技术在医学CT中的应用[A];中国自动化学会控制理论专业委员会A卷[C];2011年
中国硕士学位论文全文数据库 前10条
1 马生隽;交叉皮层模型在图像分割中的应用研究[D];兰州大学;2009年
2 朱嵬鹏;基于聚类算法的图像分割[D];江南大学;2009年
3 郭晓洁;基于非参数模型的图像分割方法研究[D];云南大学;2010年
4 刘春燕;图像分割评价方法研究[D];西安电子科技大学;2011年
5 王亚荣;基于图割的交互式图像分割方法研究[D];西北大学;2011年
6 薛耿剑;人体脑图像分割技术研究[D];西北工业大学;2006年
7 徐敏;新聚类算法及其在图像分割中的应用[D];江南大学;2005年
8 吴学明;图像分割的算法研究[D];成都理工大学;2006年
9 杨斯涵;图像分割技术在简牍保护中的应用研究[D];成都理工大学;2006年
10 徐高奎;图像分割与合成方法的研究[D];天津大学;2005年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026