基于改進(jìn)的菌群覓食算法的閾值分割研究.pdf

1、圖像工程的關(guān)鍵技術(shù)包括圖像的獲取、處理到后期的分析、理解。其中，圖像分割是圖像處理的關(guān)鍵環(huán)節(jié)，人們可以通過圖像分割從圖像中找到希望獲取或者感興趣的區(qū)域或者目標(biāo)。閾值分割屬于圖像分割，它依據(jù)圖像的不同灰度進(jìn)行分割。閾值分割在實(shí)現(xiàn)時具有簡單，計(jì)算量小，性能較為穩(wěn)定的特點(diǎn)。不僅可以對數(shù)據(jù)量進(jìn)行極大的壓縮，而且將圖像處理的分析和理解也大為簡化。同時閾值分割也是進(jìn)行圖像分析，特征提取以及模式識別的基礎(chǔ)。
　　 閾值分割是指按照灰度級，對圖

2、像進(jìn)行一個劃分，將圖像中不同目標(biāo)分割開來，本文主要針對單閾值圖像分割，主要應(yīng)用是將目標(biāo)和背景分割開來。本文在基于二維最大熵的灰度直方圖模型的研究中，引入了菌群覓食算法，大大加快了分割的速度。在得到圖像之后，首先將圖像信息進(jìn)行提取。得到的灰度直方圖模型里面就會包含被處理圖像的像素灰度值以及與其相鄰的區(qū)域情況。這樣既有當(dāng)前點(diǎn)的灰度信息又考慮到了該點(diǎn)的位置信息，對于圖像信息的提取就比較充分。得到灰度直方圖之后，圖像的信息就被轉(zhuǎn)化成為一個數(shù)學(xué)模

3、型。而處理相應(yīng)的二維數(shù)學(xué)模型的方法就比較多。本文選擇的是改進(jìn)的菌群覓食算法，同遺傳算法等現(xiàn)有的群體優(yōu)化算法類似，細(xì)菌覓食優(yōu)化算法是在封閉的連續(xù)解空間中并行搜索最優(yōu)解的工具。將每個細(xì)菌的位置看成是優(yōu)化問題的一個可行解，可行解包含閾值信息。細(xì)菌所在的位置的食物濃度看成適應(yīng)度函數(shù)值，適應(yīng)度函數(shù)是依照最大信息熵設(shè)計(jì)的。經(jīng)過這樣的尋優(yōu)過程，得到的閾值是基于最大信息熵的閾值。按照這樣的閾值處理圖像就可以將圖像分割開來。
　　 菌群覓食算法對

4、平滑模型有極有的尋優(yōu)特性，但是在復(fù)雜模型尤其是多峰值多極值情況下尋優(yōu)效果得不到保證。本文在菌群覓食算法的基礎(chǔ)上，結(jié)合多宇宙思想提出多宇宙菌群算法。多宇宙菌群算法在解決復(fù)雜模型問題上有較好的效果，通過實(shí)驗(yàn)證明，該算法有較好的收斂速度和尋優(yōu)準(zhǔn)度。本文的算法應(yīng)用到圖像處理中，可以準(zhǔn)確的找到圖像的最優(yōu)閾值。經(jīng)過測試，本文提出的算法在收斂速度上比遺傳算法以及原始的菌群覓食算法有明顯優(yōu)勢，在直方圖模型較為復(fù)雜，峰值較多的情況下，誤判更少。而在和一維