杜鹃搜索算法在图像处理中的应用研究

杜鹃搜索算法在图像处理中的应用研究

ID:22321177

大小:55.50 KB

页数:7页

时间:2018-10-28

杜鹃搜索算法在图像处理中的应用研究_第1页
杜鹃搜索算法在图像处理中的应用研究_第2页
杜鹃搜索算法在图像处理中的应用研究_第3页
杜鹃搜索算法在图像处理中的应用研究_第4页
杜鹃搜索算法在图像处理中的应用研究_第5页
资源描述:

《杜鹃搜索算法在图像处理中的应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、杜鹃搜索算法在图像处理中的应用研究第1章引言1.1研究背景和意义图像作为人类获取外部讯息的一种最主要方式,它不仅包含了客观世界中待描述对象的重要相关信息,还能较为生动对该对象进行表达[1]。数字图像处理技术即是通过计算机进行图像去噪、图像增强、图像复原、图像分割、图像特征提取等操作。在数字图像处理技术不断发展的今天,其应用领域也越发广泛。现如今,数字图像处理技术已普遍应用于日常生活各个领域,在国计民生和国民经济发展中发挥着极其关键的作用。因此,数字图像处理技术的发展收到了人们的广泛重视和关注。数字图像处理作为一项近年来高速发展的实用型技术。其优点是拥有良好的重现性,拥有非常高的处理精

2、度和灵活性,可处理来自大多数信号源的图像。缺点是需要处理的数据量巨大,在进行较为复杂的处理时,需要消耗的时间很长。目前数字图像处理技术亟需解决的首要难题是如何进一步研究高性能图像处理技术,并将其应用于更为广阔的应用领域中。进化计算作为一种模仿生物进化机制的自组织、自适应智能计算方法,它主要包含进化算法和群集智能算法两大类。大部分进化计算方法均是采用基于扰动和接受的搜索机制作用于种群,在问题的解空间中以随机跳跃的方式搜索,可以在保证高质量解基础上,降低算法的时间复杂度。目前已有众多专家学者将遗传算法、粒子群优化算法等进化算法和其他群集智能算法应用于图像处理问题的求解中[15-40],对

3、图像处理中的特定目标函数进行优化,并已经在图像的分割、增强、压缩以及匹配等领域中取得了实质性的进展。.1.2数字图像处理简介数字图像处理技术是通过计算机进行图像滤波、图像增强、图像分割、图像特征提取、图像分类等处理的方法。其中,二维函数F(i,j)表示原始图像,横、纵坐标分别用i、j进行表示,二维函数F(i,j)的值即是该图像位于点(i,j)处的像素值。基于计算机技术的数字图像处理方法就是用计算机对数字图像进行处理。数字图像通常是由大量独立的像素经过组合产生的,且图像中的每个像素均包含一个特殊的坐标位置和相应的灰度数值。作为数字图像处理中的一项基本操作,图像变换是指通过某种类型的二维

4、变换将图像数据转换为正交矩阵。一般情况下,将原始图像定义为空间域数据,变换后的图像定义为变换域数据。图像变换主要是为了在不同变换域上更直接的对原始图像进行各种处理,得到一些在空间域上无法反映的特性。通常采用的图像变换方法,如离散傅立叶变换(DFT)、离散沃尔什变换(Doptimization,简称PSO)是由Eberhart博士和Kennedy博士提出一种群集智能算法[47]。在PSO算法中,每一个待求解问题的候选解均被视为整个搜索空间中一个抽象的粒子。所有粒子在搜索空间中位置的好坏根据待求解问题的适应度函数值来评判。每一个粒子依据其自身的速度矢量决定它们的飞行方向和距离,粒子不断逼

5、近于当前群体的最优位置和个体历史最优位置,并在解空间中搜索最优解。PSO算法的初始种群是一些随机生成的粒子,即随机解,通过后续的迭代和飞行过程搜寻最优解。在每一次迭代中,粒子通过追随两个极值对自身进行更新进化:第一个是每个粒子自身可以搜寻到的历史最优位置。Step1,初始化种群,设定学习因子1c和2c,算法结束条件,并对其中每个粒子随机生成其初始位置和速度;Step2,利用待求解问题的评价函数对每个粒子的适应度函数值进行计算;Step3,对每个粒子将其适应度值与其所经历过的最佳位置逐一进行比较,如果新位置更优,则对个体最佳位置进行更新;Step4,将每个粒子的适应度函数值与整个种群所

6、经历过的最佳位置进行比较,若该粒子的适应度值优于群体最佳位置的适应度值,则将其对应的位置作为整个种群的当前最佳位置;Step5,按照公式(2-3)和公式(2-4)对每个粒子的速度和位置进行更新;Step6,利用待求解问题的评价函数对每个粒子的适应度函数值进行计算;Step7,若未满足结束条件,则返回Step3;Step8,输出全局最优位置。.第3章基于ICS算法的图像自适应增强方法.....153.1常用图像增强方法概述.....153.2基于ICS算法的非完全Beta函数图像增强方法........163.3本章小结.....21第4章基于ICS算法的图像阈值分割方法.......

7、224.1常用图像分割方法概述.....224.2常用的二维阈值分割法.....234.3基于ICS算法的二维阈值分割法.........274.4基于ICS算法和最大模糊熵的单阈值分割法.....354.5基于ICS算法和最大模糊熵的多阈值分割法.....414.6本章小结.....49第5章基于ICS算法的纹理特征描述方法.......50.1常用纹理特征概述.........505.2基于ICS算法的Tuned模板纹理特征描述....515.3本章小

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。