基于煙花算法優(yōu)化的圖像分割研究.pdf

1、在圖像分割領(lǐng)域中，基于閾值的圖像分割方法應(yīng)用最為廣泛。閾值分割法可分為單閾值分割和多閾值分割，多閾值分割法是在單閾值分割法的基礎(chǔ)上提出來(lái)的。相對(duì)來(lái)說(shuō)，單閾值分割方法比較成熟，但極易受到噪聲干擾，而多閾值分割方法，主要研究如何減少時(shí)間消耗和改善圖像分割質(zhì)量。目前在圖像分割領(lǐng)域，比較流行的做法是引入群體智能算法，將傳統(tǒng)的圖像分割算法作為目標(biāo)函數(shù)，使得對(duì)圖像求分割閾值的問(wèn)題轉(zhuǎn)化為求目標(biāo)函數(shù)的全局最優(yōu)解問(wèn)題。煙花算法(Fireworks Alg

2、orithm，F(xiàn)WA)具有獨(dú)特的爆炸搜索機(jī)制，通過(guò)模擬煙花爆炸的方式來(lái)對(duì)問(wèn)題的解空間進(jìn)行多點(diǎn)同時(shí)爆炸式尋優(yōu)，是一種有別于其他群體智能方法的新型算法。由于它在求解復(fù)雜優(yōu)化問(wèn)題時(shí)有極優(yōu)的全局收斂能力，將其引入圖像分割領(lǐng)域中。
　　煙花算法是受到現(xiàn)實(shí)中煙花在空中爆炸的啟發(fā)而被提出的一種新型群體智能算法，算法可以根據(jù)煙花個(gè)體的適應(yīng)度大小調(diào)節(jié)種群的控制參數(shù)（火花數(shù)和爆炸幅度），保證種群多樣性的同時(shí)具有快速的收斂性，易于跳出局部最優(yōu)解。這種性

3、能為解決閾值分割法帶來(lái)的噪聲敏感、時(shí)間效率等問(wèn)題提供了一種新的且有效的方法。本文基于煙花算法對(duì)圖像分割展開(kāi)研究，主要的工作如下:
　　1.對(duì)于基本的閾值分割法易受噪聲干擾、時(shí)間復(fù)雜度較高、分割效果較差等問(wèn)題，提出一種基于煙花算法的圖像分割算法，通過(guò)分別與最大類(lèi)間方差法和最大熵法兩種分割方法結(jié)合，并利用煙花算法良好的收斂速度和跳出局部最優(yōu)的能力，來(lái)獲取最優(yōu)分割閾值。通過(guò)對(duì)單閾值和多閾值分割分別實(shí)驗(yàn)，驗(yàn)證了該算法在閾值分割中對(duì)于以上問(wèn)

4、題的解決具有有效性。
　　2.對(duì)于基本煙花算法在求解目標(biāo)函數(shù)時(shí)對(duì)位置偏移的敏感問(wèn)題，提出了一種基于位置偏移的改進(jìn)煙花算法(Fireworks Algorithm Based on Position Offset，POFWA)，該算法不再只局限于最優(yōu)點(diǎn)在零點(diǎn)的函數(shù)有優(yōu)越的性能。因此，對(duì)于分割閾值通常不在原點(diǎn)的圖像來(lái)說(shuō)，采用該法能有效的縮短尋優(yōu)時(shí)間、改善分割效果。POFWA與基本煙花算法的對(duì)比實(shí)驗(yàn)表明，POFWA具有能快速找到圖像的最