基于克隆選擇和粒子群算法的圖像分割方法研究.pdf

1、圖像分割是數(shù)字圖像處理中一項(xiàng)關(guān)鍵的技術(shù),是為圖像處理的下一步做準(zhǔn)備的。因此,圖像分割效果的好壞直接影響到視覺(jué)效果。圖像分割技術(shù)一直是學(xué)者們研究的熱點(diǎn),而且圖像分割方法也發(fā)展迅速。因此它已經(jīng)被應(yīng)用于許多領(lǐng)域,如交通領(lǐng)域、生物醫(yī)學(xué)領(lǐng)域、軍事領(lǐng)域、工業(yè)控制領(lǐng)域等都得到了非常廣泛的應(yīng)用。
　　 閾值分割是圖像分割中最常用的方法之一,閾值分割的實(shí)質(zhì)就是對(duì)圖像中的目標(biāo)和背景進(jìn)行分類,這就要選取閾值,閾值的選取決定了圖像分割效果的好壞,因此如

2、何選取合適的閾值成為了閾值分割中的關(guān)鍵技術(shù)。對(duì)閾值的選取有很多方法,其中基于圖像信息熵求圖像分割閾值的算法考慮了圖像中的有效信息,是一種分割效果較好的方法。本文分析了一維最大熵圖像分割和二維最大熵圖像分割,一維最大熵圖像分割只利用了圖像像素灰度分布信息,而忽略了圖像像素的空間信息,這對(duì)噪聲的抗干擾能力比較弱,魯棒性差。二維最大熵圖像分割不僅考慮了圖像像素灰度分布信息還考慮了像素的空間信息,這就提高了對(duì)噪聲的抗干擾能力。
　　 基

3、于最大熵求圖像分割閾值的過(guò)程其實(shí)就是尋找分割函數(shù)最優(yōu)解的過(guò)程,本文改進(jìn)的克隆粒子群算法作為一種新的全局優(yōu)化搜索算法,具有記憶功能和良好的收斂性。因此,完全可以把克隆粒子群算法用于最大熵圖像分割中,通過(guò)尋找圖像分割函數(shù)的最優(yōu)解得到最佳閾值。克隆粒子群算法是針對(duì)克隆選擇和粒子群算法的特點(diǎn)提出的,結(jié)合了兩種算法的優(yōu)點(diǎn),克服了各自的缺點(diǎn),使算法性能更加優(yōu)化。
　　 本文把克隆粒子群算法用在一維最大熵和二維最大熵圖像分割中,并對(duì)其做了大量