基于分數(shù)階粒子群的Otsu圖像分割算法研究.pdf

1、圖像分割作為圖像分析與處理的關鍵，對圖像的邊緣目標提取具有重要影響。Otsu分割方法是常用的圖像分割方法之一，應用范圍廣泛。本文針對傳統(tǒng)Otsu算法運行時間長、計算復雜且優(yōu)化Otsu算法的傳統(tǒng)粒子群算法收斂速度慢、容易陷入局部最優(yōu)的缺點，提出了用分數(shù)階微積分算法優(yōu)化粒子群算法的方案，將Otsu算法、分數(shù)階微積分算法、粒子群算法三種算法進行結合并改進，并將新算法應用于圖像分割。本文主要完成的工作和內(nèi)容如下:
　　(1)在圖像分割之前

2、，結合分數(shù)階幅頻特性曲線以及分數(shù)階微積分在圖像去噪、增強處理中的優(yōu)越性，針對不同特征的圖像不適合用相同的分數(shù)階次來處理，且分數(shù)階次需要人為設定的缺點，提出了一種自適應分數(shù)階微積分的圖像去噪、增強算法。根據(jù)圖像中像素點的紋理、噪聲強弱應采用不同分數(shù)階次處理的特點，結合分數(shù)階次在一定范圍內(nèi)能夠取得較好效果的特點，提出了不同梯度值下的分數(shù)階次自適應公式，以確保對于梯度值大的噪聲強點，取較小的負階次;對于梯度值小的噪聲弱點，取較大的負階次;對于

3、梯度值大的圖像邊緣，取較大的正階次;對于梯度值小的圖像紋理，取較小的正階次。針對不同類型圖像，采用自適應階次的分數(shù)階微分、積分對待分割圖像實現(xiàn)去噪、增強預處理。
　　(2)在深入分析傳統(tǒng)Otsu算法、分數(shù)階微積分算法及粒子群優(yōu)化算法理論的基礎上，將三種算法結合并改進，提出了分數(shù)階粒子群Otsu圖像閾值分割(ImFpsoOtsu)算法。首先采用灰度級-梯度二維直方圖算法，以Otsu算法的最大類間方差為適應度函數(shù)。然后通過引入粒子進化

4、因子，利用粒子的進化信息自適應更改分數(shù)階次α，同時通過速度增量為零來更新粒子速度、位置值。最后結合傳統(tǒng)粒子群粒子更新公式并采用粒子對稱分布的改進粒子群算法獲取最佳閾值，將目標從圖像中分割出來。分數(shù)階粒子群Otsu算法，最終實現(xiàn)了圖像的有效分割，解決了傳統(tǒng)的粒子群優(yōu)化算法陷入局部最優(yōu)的問題，提高了收斂速度。
　　實驗結果表明，本文提出的自適應分數(shù)階次的圖像預處理算法，從主觀視覺和客觀的信噪比、熵值上優(yōu)于傳統(tǒng)算法，即圖像去噪、增強效果