基于混沌理論的多閾值圖像分割.pdf

1、在圖像處理中，圖像分割、特征提取和目標(biāo)識(shí)別構(gòu)成了由低層到高層的三大任務(wù)，目標(biāo)識(shí)別與特征提取都以圖像分割作為基礎(chǔ)，圖像分割的好壞直接影響著后續(xù)的特征提取和目標(biāo)識(shí)別。閾值分割因簡單有效得到廣泛的應(yīng)用，而對多閾值圖像分割的研究更具有現(xiàn)實(shí)意義。傳統(tǒng)的多閾值圖像分割方法存在算法復(fù)雜度高、運(yùn)算速度慢、需要確定分割類數(shù)等問題?；煦鐚儆诜蔷€性動(dòng)力學(xué)系統(tǒng)，具有遍歷性、收斂性、隨機(jī)不可預(yù)測性等優(yōu)點(diǎn)，將混沌理論應(yīng)用與多閾值圖像分割，有利于提高多閾值圖像的分割

2、性能，加快算法的運(yùn)行速度。本文重點(diǎn)研究將混沌理論運(yùn)用于多閾值圖像分割，所做的主要工作如下:
　　 (1)基于混沌粒子群的fisher多閾值圖像分割。首先采用勢函數(shù)確定圖像的分割類數(shù)。勢函數(shù)是對直方圖的擬合，具有算法簡單、運(yùn)算速度快的優(yōu)點(diǎn)，結(jié)合勢函數(shù)的優(yōu)點(diǎn)，選用勢函數(shù)來確定圖像的分割類數(shù)。其次將單閾值的fisher準(zhǔn)則進(jìn)行簡化，減少不必要的中間計(jì)算，并將簡化后的fisher準(zhǔn)則拓展到多閾值圖像分割中。最后采用混沌粒子群算法進(jìn)行尋優(yōu)

3、，粒子群算法具有算法簡單、運(yùn)算速度快等優(yōu)點(diǎn)，但容易出現(xiàn)“早熟”現(xiàn)象，因此，采用基于混沌映射的粒子群算法進(jìn)行尋優(yōu)。對圖像的分割結(jié)果顯示，此算法在分割速度和效果上取得了好的結(jié)果。
　　 (2)改進(jìn)了時(shí)空混沌的多閾值圖像分割算法。基于時(shí)空混沌的多閾值圖像分割算法利用全局耦合映像同步過程和數(shù)據(jù)聚類過程相對應(yīng)的特點(diǎn)實(shí)現(xiàn)圖像的分割。本文對該算法進(jìn)行了改進(jìn)。首先對初始化數(shù)據(jù)的改進(jìn)，將耦合映像格子初始化為圖像的一維直方圖數(shù)據(jù)，利用線性規(guī)劃思想，

4、把原來的灰度矩陣賦值為灰度矩陣和概率矩陣之和，這樣可以充分利用具體圖像的信息。其次在每次迭代之后對關(guān)系矩陣進(jìn)行重新賦值，以滿足關(guān)系矩陣的二值要求。最后對關(guān)系矩陣中用到的參數(shù)進(jìn)行討論并對改進(jìn)后的算法進(jìn)行實(shí)驗(yàn)，證明了算法的有效性。
　　 (3)基于混沌映射的譜聚類圖像分割。首先，譜聚類算法中的輸入數(shù)據(jù)由灰度矩陣代替像素矩陣，這樣可以節(jié)省大量的存儲(chǔ)空間，加快算法的運(yùn)算速度。其次，針對k-均值聚類在譜特征空間進(jìn)行聚類時(shí)容易陷入局部解的問