改進粒子群優(yōu)化算法及其在多閾值圖像分割中的應(yīng)用.pdf

1、粒子群優(yōu)化(PSO)算法是受鳥群搜索食物的過程中總是飛向離食物最近的鳥并搜索其周邊區(qū)域的啟發(fā)而提出的一種隨機優(yōu)化算法，該算法原理簡單，可調(diào)參數(shù)少，易于實現(xiàn)，自提出之后成為眾多領(lǐng)域的研究熱點，現(xiàn)已成功應(yīng)用于科學(xué)計算、工程優(yōu)化、數(shù)據(jù)控制、圖像處理等領(lǐng)域并取得了良好的優(yōu)化效果。但是粒子群算法也存在著許多不足之處，如：搜索精度低、易早熟收斂等問題，因而需要對其優(yōu)化性能有進一步的研究和改進。
　　圖像分割是圖像處理工作中的一項基本技術(shù)，良好

2、的圖像分割效果是圖像進行視覺分析的關(guān)鍵，同時也是模式識別的重要前提。自20世紀(jì)末以來，在計算機技術(shù)和圖形圖像學(xué)飛速發(fā)展的背景下，圖像分割技術(shù)已經(jīng)成為計算機視覺、虛擬現(xiàn)實、三維重構(gòu)與可視化、模式識別及數(shù)字化醫(yī)療等眾多研究課題能否順利發(fā)展的重要基礎(chǔ)。隨著眾多專家學(xué)者們的密切關(guān)注和深入研究，現(xiàn)在已經(jīng)有很多種不同的圖像分割方法被提出。在眾多分割方法之中，具有簡單、快速優(yōu)點的閾值分割方法成為圖像分割領(lǐng)域中的一種最基本方法。閾值分割方法可以分為單閾

3、值法和多閾值法，其中多閾值分割法比單閾值分割法具備更好的分割效果也更適用于解決各種復(fù)雜的圖像分割問題，但多閾值圖像分割法的大計算量和高耗時性使得該方法難以滿足圖像處理過程中的實時性需求，不利于該方法的廣泛應(yīng)用和進一步的發(fā)展。因此，為解決基于多閾值分割方法的圖像分割問題迫切的需要尋求一種高效的優(yōu)化算法。
　　為了克服粒子群優(yōu)化算法易早熟收斂和搜索精度低的缺陷，本文提出了一種融合自適應(yīng)調(diào)整步長的細(xì)菌覓食趨化算子的粒子群優(yōu)化算法。將細(xì)菌

4、覓食優(yōu)化算法中采用固定步長的趨化算子改進為自適應(yīng)調(diào)整步長的模式，并將改進后的趨化算子引入到標(biāo)準(zhǔn)粒子群優(yōu)化算法中，利用趨化算子所具有的較強局部搜索能力來提高標(biāo)準(zhǔn)粒子群算法規(guī)避局部最優(yōu)的能力，揚長避短，實現(xiàn)算法間的優(yōu)勢互補。本文選用了不同的測試函數(shù)來進行改進后算法的性能分析，仿真實驗表明：基于自適應(yīng)細(xì)菌覓食趨化算子的粒子群優(yōu)化算法既保留了標(biāo)準(zhǔn) PSO算法所具有的較強全局搜索能力，又能充分發(fā)揮趨化算子所具有的較強局部尋優(yōu)能力，通過兩個算法間的