收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

蜂群算法及在图像处理中的应用研究

肖永豪  
【摘要】:土耳其学者Karaboga于2005年提出一种人工蜂群算法是一种群智能的优化方法,通过模拟蜜蜂群体寻找优质蜜源而设计出的仿生计算方法。该算法的突出优点是每次迭代中都进行局部搜索和全局搜索,并且具有快速性和易于实现等特点,因此成为了智能优化领域的研究热点,其理论研究工作还处于起步阶段,特别是对于蜂群算法的收敛性缺乏深入的研究。本论文对蜂群优化算法作了一定深度的理论研究,并将其用于图像处理中。论文主要涉及以下内容: 1对蜂群算法进行了理论分析,从个体和群体两个不同方面对蜂群的基本概念作了严格的数学定义,例如蜜蜂状态、蜂群状态、蜂群状态等价等概念,证明了蜂群状态转移过程是Markov链过程,并在此基础上对蜂群算法进行一定程度的收敛性分析。将算法引入到解决高维多峰函数优化问题,并通过实验进行了算法收敛性验证。 2提出了改进的蜂群算法,主要有两方面:1.由于蜂群算法中引领蜂能记住每轮迭代的最优解的能力,提出将当前最优与若干轮循环前的历史最优之间的空间方向信息,融入到当前最优引领蜂的搜索选择策略;增强了引领蜂的方向判定能力,从而加强了引领蜂的引导能力。2.改变搜索邻域调整策略,设计蜜蜂在邻域的搜索半径自适应调整方法,整个搜索过程在局部区域搜索半径是逐步递减,跳出局部后,搜索半径又自适应地变大,然后又重复逐步递减变化。这样可以满足搜索广度和精度的需要。 3研究了蜂群算法在图像分割方面的应用。提出了基于蜂群算法的最小化模糊熵的单阈值分割、设立模糊隶属函数,在模糊搜索空间的搜索变量由3个简化化为1个,简化了计算并提高算法速度。还首次提出采用峰值信噪比(PSNR)作为图像分割优化函数,对图像进行基于蜂群的多阈值分割。 4将蜂群算法思想引到数据聚类分析。在多维数据空间聚类,存在各维数的值域相差巨大,统一的蜂群搜索半径不能满足搜索需要,针对这一问题,本文提出了一种灵活的搜索半径选择策略以满足前述要求。并将蜂群算法成功地分别应用于灰度图像聚类和彩色图像聚类。彩色图像是属于大样本集,传统方法计算相当耗时。用聚类对彩色图像进行分类时能够把三个彩色分量作为一个整体矢量进行处理。蜂群算法是群体并行处理的算法,具有运算速度快的特点,特别适用于彩色聚类这种大数据集的处理。 5研究了蜂群算法在图像去噪方面的应用,提出了一种基于蜂群算法的去除脉冲噪声的方法。算法分两步,第一步是检测出受脉冲噪声污染的像素;第二步是利用蜂群算法对噪声像素进行修复。通过实验验证了算法的有效性。 6对蜂群算法在图像边缘提取方面进行了研究。蜂群搜索最优过程中可以找到许多局部最优,这些局部最优信息可以充分利用。本文提出利用蜂群对图像边缘信息进行搜索,以搜索到局部最优点为起点,再以新的搜索规则将边缘点搜索出来,从而活动图像完整的边缘结构。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 石振刚;高立群;;一种基于模糊逻辑的图像多层次增强算法[J];控制工程;2006年05期
2 韩艳丽;刘旭东;梁晋;;一种基于模糊熵的自适应多层模糊增强算法[J];海军航空工程学院学报;2008年05期
3 范彬;杨丽;冯云松;杨华;;一种改进的红外图像分割算法[J];激光与红外;2007年06期
4 郑美珠;赵景秀;孙利杰;高忠;;基于模糊熵和BP神经网络的彩色图像边缘检测[J];计算机工程与应用;2010年33期
5 陈玮,程进,周激流;一种灰度图象的自适应分割算法[J];四川大学学报(自然科学版);2004年02期
6 刘正光,肖泉建,车秀阁;基于二维灰度直方图的最小模糊熵分割方法[J];天津理工学院学报;2005年01期
7 饶智勇;颜七笙;;一种基于模糊熵划分的边缘检测算法[J];江西科学;2011年01期
8 李凡,卢安,余智;一类Vague集模糊熵的构造方法[J];华中科技大学学报;2001年09期
9 杨世勇,葛建华,朱芸;一种新的用于数字图像版权的自适应水印[J];华中科技大学学报(自然科学版);2004年05期
10 刘正光,林雪燕,车秀阁;基于二维灰度直方图的模糊熵分割方法[J];天津大学学报;2004年12期
11 王建军,刘文江,石磊,周世俊;基于凸多项式模糊熵的图象阈值方法[J];控制与决策;2000年03期
12 周志宇,汪亚明;基于模糊熵聚类和Kalman滤波的区域跟踪[J];测控技术;2003年11期
13 谢云鹏;辛小龙;;模糊集的包含度与熵[J];纺织高校基础科学学报;2008年01期
14 生克伟,郑建宏;一种新的模糊熵图象分割方法[J];信号处理;1998年03期
15 黄国顺,刘云生;关于Vague集的模糊熵[J];计算机工程与应用;2005年33期
16 张燕;汪镭;吴启迪;;随机微粒群优化算法[J];计算机工程;2006年16期
17 张诚一;周厚勇;;Vague集的模糊逼近与模糊熵[J];计算机工程与应用;2006年33期
18 刘弘;王静莲;;微粒群优化算法在协同建筑设计中的应用[J];通信学报;2006年11期
19 赵会洋;王爽;杨志鹏;;粒子群优化算法研究综述[J];福建电脑;2007年03期
20 何妮;吴燕仙;;粒子群优化算法的研究[J];科技信息(科学教研);2008年06期
中国重要会议论文全文数据库 前10条
1 顾蕊;赵建;刘伟宁;;一种基于模糊阈值的边缘提取方法[A];2009年先进光学技术及其应用研讨会论文集(上册)[C];2009年
2 胡应平;;运用模糊熵构建协调模型[A];模糊集理论与应用——98年中国模糊数学与模糊系统委员会第九届年会论文选集[C];1998年
3 孙玉峰;周德俭;朱少华;;基于VC++的SMT焊点图像边缘提取技术[A];2010中国电子制造技术论坛论文集[C];2010年
4 安静;康琦;汪镭;吴启迪;;群体智能及其在BPR中的应用[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年
5 赵恩良;孙丽华;孙平;韩孺眉;;一种基于改进的Sobel算子的边缘提取方法[A];第八届沈阳科学学术年会论文集[C];2011年
6 齐思刚;;基于模糊熵的模糊数运算[A];模糊集理论与模糊应用专辑——中国系统工程学会模糊数学与模糊系统委员会第十届年会论文选集[C];2000年
7 舒宁;胡颖;;基于地物光谱特征的高光谱影像边缘提取方法[A];地理空间信息技术与应用——中国科协2002年学术年会测绘论文集[C];2002年
8 张运杰;于东;;基于模糊熵的备择边缘细化方法[A];中国系统工程学会模糊数学与模糊系统委员会第十一届年会论文选集[C];2002年
9 刘楠;;基于光谱空间密度分析的边缘提取[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
10 刘建华;;一个智能搜索引擎的用户行为聚类分析[A];第一届全国Web信息系统及其应用会议(WISA2004)论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 肖永豪;蜂群算法及在图像处理中的应用研究[D];华南理工大学;2011年
2 石振刚;基于模糊逻辑的图像处理算法研究[D];东北大学;2009年
3 曲建华;基于群体智能的聚类分析[D];山东师范大学;2010年
4 王巧灵;基于群体智能混合优化算法的研究[D];哈尔滨工业大学;2010年
5 王学厚;群体智能优化的计算模式和方法研究与应用[D];华北电力大学;2011年
6 宁爱平;人工蜂群算法及其在语音识别中的应用研究[D];太原理工大学;2013年
7 张继国;降水时空分布的信息熵研究[D];河海大学;2004年
8 赵芸;基于高光谱和图像处理技术的油菜病虫害早期监测方法和机理研究[D];浙江大学;2013年
9 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
10 薛晗;不确定规划的群体智能计算[D];国防科学技术大学;2010年
中国硕士学位论文全文数据库 前10条
1 黄辉;基于小波变换和数学形态学的图像边缘特征提取[D];武汉大学;2005年
2 郑慕之;MRI二维图像处理及可视化研究[D];南京航空航天大学;2005年
3 顾洁;利用边缘信息改进的人脸识别算法研究[D];河北工业大学;2005年
4 李涛;利用蛇形主动轮廓进行医学图像边缘提取与三维重建的研究[D];河北工业大学;2006年
5 高中有;基于机器视觉的万能工具显微镜改造[D];四川大学;2006年
6 王震;主动轮廓模型在人脸人耳检测方面的应用[D];哈尔滨工业大学;2006年
7 孟天;自然场景下的文本定位[D];西安电子科技大学;2007年
8 赵天刚;基于Adaboost和神经网络的人脸检测算法研究[D];武汉理工大学;2008年
9 李娅婷;双目近景摄影测量中匹配问题的研究[D];武汉大学;2004年
10 王红亮;面向RE/RP的ICT切片数据的CLI建模技术研究[D];华北工学院;2004年
中国重要报纸全文数据库 前10条
1 ;蜂群的饲养管理[N];中国畜牧兽医报;2008年
2 樊 丹 本报记者;让名医智慧在电脑上“复活”[N];中国中医药报;2005年
3 边歆;商务智能:进化与简化[N];网络世界;2007年
4 ;蜜蜂的群居生活[N];中国畜牧兽医报;2008年
5 王科军;春季蜜蜂管理技术[N];周口日报;2006年
6 张道;蜜蜂春季早繁的技术要点[N];中国特产报;2006年
7 何屹;干细胞技术让失明者视力恢复[N];科技日报;2010年
8 续九华 胡宝良;现代战争新宠[N];科技日报;2001年
9 丁立威;蜂蛹短缺价上扬[N];中国特产报;2005年
10 柯锋;蜂群春管措施多[N];农民日报;2001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
  • 010-62982499
  • 010-62783978