基于煙花算法優(yōu)化的圖像分割研究.pdf

1、在圖像分割領域中，基于閾值的圖像分割方法應用最為廣泛。閾值分割法可分為單閾值分割和多閾值分割，多閾值分割法是在單閾值分割法的基礎上提出來的。相對來說，單閾值分割方法比較成熟，但極易受到噪聲干擾，而多閾值分割方法，主要研究如何減少時間消耗和改善圖像分割質(zhì)量。目前在圖像分割領域，比較流行的做法是引入群體智能算法，將傳統(tǒng)的圖像分割算法作為目標函數(shù)，使得對圖像求分割閾值的問題轉化為求目標函數(shù)的全局最優(yōu)解問題。煙花算法(Fireworks Alg

2、orithm，F(xiàn)WA)具有獨特的爆炸搜索機制，通過模擬煙花爆炸的方式來對問題的解空間進行多點同時爆炸式尋優(yōu)，是一種有別于其他群體智能方法的新型算法。由于它在求解復雜優(yōu)化問題時有極優(yōu)的全局收斂能力，將其引入圖像分割領域中。
　　煙花算法是受到現(xiàn)實中煙花在空中爆炸的啟發(fā)而被提出的一種新型群體智能算法，算法可以根據(jù)煙花個體的適應度大小調(diào)節(jié)種群的控制參數(shù)（火花數(shù)和爆炸幅度），保證種群多樣性的同時具有快速的收斂性，易于跳出局部最優(yōu)解。這種性

3、能為解決閾值分割法帶來的噪聲敏感、時間效率等問題提供了一種新的且有效的方法。本文基于煙花算法對圖像分割展開研究，主要的工作如下:
　　1.對于基本的閾值分割法易受噪聲干擾、時間復雜度較高、分割效果較差等問題，提出一種基于煙花算法的圖像分割算法，通過分別與最大類間方差法和最大熵法兩種分割方法結合，并利用煙花算法良好的收斂速度和跳出局部最優(yōu)的能力，來獲取最優(yōu)分割閾值。通過對單閾值和多閾值分割分別實驗，驗證了該算法在閾值分割中對于以上問

4、題的解決具有有效性。
　　2.對于基本煙花算法在求解目標函數(shù)時對位置偏移的敏感問題，提出了一種基于位置偏移的改進煙花算法(Fireworks Algorithm Based on Position Offset，POFWA)，該算法不再只局限于最優(yōu)點在零點的函數(shù)有優(yōu)越的性能。因此，對于分割閾值通常不在原點的圖像來說，采用該法能有效的縮短尋優(yōu)時間、改善分割效果。POFWA與基本煙花算法的對比實驗表明，POFWA具有能快速找到圖像的最