基于生物地理學(xué)優(yōu)化算法的圖像分割技術(shù)及應(yīng)用.pdf

1、近年來,隨著多種仿生智能優(yōu)化算法的提出和廣泛應(yīng)用,這種效仿自然界中生物進(jìn)化規(guī)則的新型優(yōu)化算法倍受研究者的關(guān)注。它們成了優(yōu)化算法的重要研究方向,人們越來越肯定它們的研究價(jià)值,它們各自在實(shí)際應(yīng)用中的優(yōu)勢也越來越突出。目前,仿生智能算法已經(jīng)在優(yōu)化計(jì)算、模式識別、自動控制、生物醫(yī)學(xué)工程、信號圖像處理、電氣工程、機(jī)械工程、通信工程、經(jīng)濟(jì)管理等多領(lǐng)域取得了成功應(yīng)用。
　　圖像分割是圖像工程里的關(guān)鍵步驟,它的原理就是從圖像中把目標(biāo)或感興趣的區(qū)域

2、從背景中提取出來,分割的效果關(guān)系著圖像信息的質(zhì)量所以,圖像分割是人們研究的熱點(diǎn)領(lǐng)域,該領(lǐng)域正處于發(fā)展當(dāng)中,至今還沒有一個(gè)萬能的分割算法和評價(jià)標(biāo)準(zhǔn)。圖像分割與提取應(yīng)用領(lǐng)域非常廣泛,例如醫(yī)學(xué)、軍事、工業(yè)自動化、生產(chǎn)過程控制、文檔圖像處理、安保監(jiān)視、在線產(chǎn)品檢驗(yàn)、農(nóng)業(yè)工程、遙感等領(lǐng)域都離不開圖像分割技術(shù)。
　　模糊C均值(FCM)算法是聚類分析的方法之一,也是目前應(yīng)用最為廣泛的非監(jiān)督分類算法。不過,該算法存在明顯的缺點(diǎn):提前設(shè)定聚類數(shù)目

3、、對初始聚類中心的選擇很敏感、容易陷入局部最小值等。
　　本論文對生物地理學(xué)優(yōu)化算法(BBO)進(jìn)行了詳細(xì)的介紹,該算法正處于成長階段,涉及的應(yīng)用領(lǐng)域也較少,所以本文的創(chuàng)新之處就是將該算法和模糊C均值算法相結(jié)合從而組成了新的混合聚類算法(BBO-FCM),并將此新型混合聚類算法用到圖像分割領(lǐng)域。新算法的理念就是用生物地理學(xué)優(yōu)化算法的優(yōu)點(diǎn)填補(bǔ)模糊C均值算法的缺點(diǎn)。BBO算法具有較強(qiáng)的全局搜索能力,用該算法來優(yōu)化FCM算法的聚類準(zhǔn)則函數(shù)

4、,利用生物種群在多個(gè)棲息地之間遷移的全局搜索能力,有效克服了FCM算法對初始值敏感,易陷入局部最優(yōu)的問題,而且混合算法還保留了BBO算法的變異操作和精英保留操作,增強(qiáng)了算法的尋優(yōu)能力;另外,傳統(tǒng)的FCM算法用于圖像分割方面還存在一個(gè)問題:不能充分利用鄰域像素之間的信息,而BBO算法的遷移操作正好可以解決這個(gè)問題。
　　文論文不僅設(shè)計(jì)了BBO-FCM算法,而且也設(shè)計(jì)了PSO-FCM算法、AFSA-FCM算法及ABC-FCM算法的融合