已閱讀1頁，還剩40頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、隨著計算機網(wǎng)絡(luò)以及多媒體技術(shù)的應(yīng)用普及，人們開始要求更多的圖像信息。又由于彩色圖像比灰度圖像更容易觀察越來越受到青睞并迅速發(fā)展起來。所以如何提高彩色圖像處理的質(zhì)量顯得尤為重要。而其中最基礎(chǔ)的處理技術(shù)也就是彩色圖像的分割。
迄今為止，基于灰度圖像分割已有許多較成熟的算法，但彩色圖像分割因為其彩色分量的復(fù)雜性，發(fā)展至今仍沒有普遍適用的彩色圖像分割算法。本文對目前彩色圖像分割中常用的模糊C均值聚類算法（FCM）及其結(jié)合智能信息處
2、理技術(shù)的算法進行了詳細的分析與研究。首先對現(xiàn)有的利用量子粒子群FCM（QPSOFCM）算法解決彩色圖像分割的方法進行了進一步的改進，很好的解決了現(xiàn)存QPSOFCM算法的分割效果不太理想的問題。又由于量子粒子群優(yōu)化算法存在容易陷入局部最優(yōu)，本文采用混沌量子粒子群算法，并用優(yōu)化算法有效性的三個測試函數(shù)，對混沌量子粒子群優(yōu)化算法（CQPSO）進行測試，測試結(jié)果表明，CQPSO從迭代次數(shù)及平均尋優(yōu)效果明顯優(yōu)于基本粒子群算法（PSO）和量子粒子群
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于量子粒子群算法的圖像閾值分割方法研究.pdf
- 基于量子粒子群算法的電阻抗圖像重構(gòu)研究.pdf
- 改進的協(xié)同量子粒子群優(yōu)化算法及其圖像分割應(yīng)用研究.pdf
- 量子粒子群算法的研究.pdf
- 量子粒子群算法及其應(yīng)用.pdf
- 基于改進量子粒子群的視覺跟蹤方法.pdf
- 基于改進FCM算法的彩色圖像分割研究.pdf
- 基于量子粒子群算法的移動商務(wù)QoE優(yōu)化.pdf
- 基于改進量子粒子群的QoS組播路由算法.pdf
- 基于混沌粒子群和模糊聚類的圖像分割算法研究.pdf
- 基于量子粒子群算法的微電網(wǎng)優(yōu)化調(diào)度.pdf
- 基于量子粒子群優(yōu)化的dag并行任務(wù)調(diào)度探討
- 量子粒子群算法研究及其數(shù)據(jù)分類.pdf
- 基于量子粒子群算法的SoC測試調(diào)度優(yōu)化研究.pdf
- 基于改進量子粒子群的WSN網(wǎng)絡(luò)覆蓋優(yōu)化研究.pdf
- 基于粒子群優(yōu)化算法的圖像分割研究.pdf
- 基于粒子群算法和量子粒子群算法的電力系統(tǒng)故障診斷.pdf
- 基于量子粒子群的風一水電聯(lián)合運行研究.pdf
- 基于量子粒子群優(yōu)化技術(shù)的UWB多用戶檢測.pdf
- 基于量子粒子群優(yōu)化的無人系統(tǒng)自主規(guī)劃方法研究.pdf
評論
0/150
提交評論