基于PSO的圖像分割方法與GPU加速的蟻群算法.pdf

1、上世紀(jì)50年代中期創(chuàng)立仿生學(xué)以來(lái)，人們不斷地從生物進(jìn)化的機(jī)理中得到啟發(fā)，提出了許多用于解決復(fù)雜組合優(yōu)化問題的新方法，比如蟻群算法和粒子群算法等等，它們都是適于大規(guī)模并行且具有智能特性的優(yōu)化算法，對(duì)于解決實(shí)際工程優(yōu)化問題的復(fù)雜性、約束性、非線性、建模困難，有很好的效果。 圖像分割是圖像分析和模式識(shí)別的首要問題，也是圖像處理的經(jīng)典難題之一。最大類間方差閾值分割法是目前應(yīng)用比較廣泛的一種方法，按傳統(tǒng)的方法計(jì)算最大類間方差已經(jīng)限制了這種

2、算法的發(fā)展。為了加快最大類間方差方法求最優(yōu)解的速度，本文將微粒群算法和最大類間方差閾值分割法相結(jié)合，提出了基于PSO算法的最大類間方差閾值分割法，在取得良好的分割效果的同時(shí)，運(yùn)用算法的并行搜索機(jī)制顯著地提高了分割速度。 多年來(lái)計(jì)算機(jī)圖形處理器(GPU)以大大超過(guò)摩爾定律的速度高速發(fā)展。圖形處理器的發(fā)展極大地提高了計(jì)算機(jī)圖形處理的速度和圖形質(zhì)量，并促進(jìn)了與計(jì)算機(jī)圖形相關(guān)應(yīng)用領(lǐng)域的快速發(fā)展。與此同時(shí)，圖形處理器繪制流水線的高速度和并