分子動理論優(yōu)化算法及其在圖像分割中的應(yīng)用.pdf

1、優(yōu)化問題是科學(xué)研究和工程應(yīng)用中的一個熱點問題，尋求快速、穩(wěn)健、有效的優(yōu)化技術(shù)是各行各業(yè)長期所一直探討的課題，其中智能優(yōu)化算法因?qū)崿F(xiàn)簡單、運算速度快、優(yōu)化效果好，已引起國內(nèi)外學(xué)者的廣泛關(guān)注。分子動理論中的吸引、排斥和波動機制，為優(yōu)化算法在保證收斂的同時兼顧種群多樣性提供了可能。因此，本文基于分子動理論提出了一種新型的優(yōu)化算法，并圍繞其在圖像分割方面的應(yīng)用展開研究。
　　現(xiàn)有的智能優(yōu)化算法往往存在多樣性差、易陷入局部極值等不足。受分子

2、動理論的啟示，本文提出了一種新型的優(yōu)化算法-分子動理論優(yōu)化算法。該算法基于分子動理論的相關(guān)原理設(shè)計了吸引、排斥、波動三個算子，通過模擬分子引力，吸引粒子向最優(yōu)粒子移動以確保算法收斂；通過模擬分子斥力，使算法能夠較好地保持種群多樣性；通過模擬分子無規(guī)則的熱運動，而使算法始終具備全局搜索能力。性能結(jié)果表明，該算法在解的質(zhì)量、魯棒性、種群多樣性、收斂速度等方面都具有明顯優(yōu)勢。
　　分子動理論優(yōu)化算法缺乏局部搜索機制，其求解精度有待提高；

3、且如當(dāng)前最優(yōu)值為局部極值，則分子動理論優(yōu)化算法可能發(fā)生錯誤性引導(dǎo)。鑒于精英個體在優(yōu)化過程中的重要作用，本文基于協(xié)同進化和精英思想對分子動理論優(yōu)化算法進行改進，提出了M精英協(xié)同分子動理論優(yōu)化算法。該算法基于M個精英以盡量避免發(fā)生錯誤引導(dǎo)，采用精英間的學(xué)習(xí)與協(xié)作以提高算法的收斂精度，并通過新型的波動算子以防止算法陷入按維早熟。仿真結(jié)果表明，改進算法在求解精度、算法穩(wěn)定性、高維函數(shù)求解等方面均表現(xiàn)出良好性能。
　　傳統(tǒng)的多閾值分割算法因

4、需對閾值空間進行蠻力搜索，計算效率較低。鑒于分子動理論優(yōu)化算法的優(yōu)良表現(xiàn)，探索運用該算法求解多閾值問題?；贙apur熵和Otsu兩種最為流行的閾值分割準(zhǔn)則，對運用分子動理論優(yōu)化算法實現(xiàn)多閾值分割進行了初步探討。與細菌覓食和差分進化等主流的智能優(yōu)化算法相比，該算法運算速度快、魯棒性好、能較好地對圖像進行分割。
　　在氧化鋁工業(yè)生產(chǎn)過程中，因工況復(fù)雜，回轉(zhuǎn)窯火焰圖像中往往存在噪聲，如用上述方法對其進行分割，則其抗噪性差略顯不足。通過

5、對斜分Otsu法進行改進，本文提出了一種基于改進斜分Otsu法的回轉(zhuǎn)窯火焰圖像分割算法。該算法基于簡化的距離測度函數(shù)選取最佳閾值，以減少計算量和便于多閾值擴展；采用基于后處理思想的圖像分割方式，以進一步增強算法的抗噪性；運用分子動理論優(yōu)化算法求解閾值，以提高算法的運算效率。某廠氧化鋁回轉(zhuǎn)窯火焰圖像的分割測試驗證了該算法的有效性。
　　改進斜分Otsu法雖具備一定的抗噪性，但其性能仍有待提高。本文提出了一種基于空間截面投影的Otsu

6、法，該算法首先基于截面投影直方圖選取最佳閾值；然后運用基于閾值的后處理策略對分割結(jié)果進行處理，以增強算法的抗噪性。由于成像過程較為復(fù)雜，MR腦圖像中往往存在噪聲。為分割出 MR腦圖像中的白質(zhì)、灰質(zhì)、腦脊液等區(qū)域，首先將截面投影Otsu法進行了多閾值擴展，然后基于M精英協(xié)同分子動理論優(yōu)化算法求解最佳閾值。實驗結(jié)果表明，該算法計算效率高、抗噪性好，能較好地對含不同噪聲的圖像進行分割。
　　本文提出了一種分子動理論優(yōu)化算法，分析了該算法