基于FODPSO算法的圖像分割及DSP實現(xiàn).pdf

1、圖像分割主要用于提取用戶感興趣的目標，是圖像分類和識別的基礎。本文采用一種基于分數(shù)階達爾文粒子群算法FODPSO的圖像分割方法，該算法采用分數(shù)階微積分去控制系統(tǒng)收斂性，能夠快速高效對n尺度圖像進行n-1個閾值尋優(yōu)計算。
　　本文著重研究基于分數(shù)階達爾文粒子群算法FODPSO的圖像分割。群智能算法種類繁多，不同算法適應能力不同，因此有必要進行群智能算法性能對比，將最優(yōu)算法移植于DSP實現(xiàn)，這具有重要的實際意義。
　　1.本文選

2、取了遺傳算法GA、模擬退火算法SA、蟻群算法ACO、人群搜索算法SOA、基本粒子群算法PSO、帶慣性權值的粒子群算法APSO、帶壓縮因子的粒子群算法CFPSO、達爾文粒子群算法DPSO、分數(shù)階達爾文粒子群算法FODPSO進行分析，分別對其算法原理以及算法流程做了詳細的介紹。
　　2.考慮到算法適應能力，本文選取算法求解目標函數(shù)值平均值、目標函數(shù)值標準偏差和CPU計算時間作為算法評價指標，分別選取了雙目標函數(shù)優(yōu)化、三目標函數(shù)優(yōu)化、多

3、尺度圖像分割測試實驗，通過GA、SA、ACO、SOA、PSO、APSO、CFPSO、DPSO、FODPSO算法對比實驗，F(xiàn)ODPSO算法具有收斂速度快、穩(wěn)定性強、精度高、全局尋優(yōu)等特點，有效地克服了算法易陷入局部最優(yōu)和收斂速度慢等缺陷。
　　3.TI公司的TMS320VC5509A芯片具有體積小巧、開發(fā)成本低、性能可靠等特點，能夠較好的適應靜態(tài)圖像處理。本文采用TMS320VC5509A開發(fā)板驅動CMOS攝像頭OV7670采集圖像