基于分?jǐn)?shù)階粒子群的Otsu圖像分割算法研究.pdf

1、圖像分割作為圖像分析與處理的關(guān)鍵，對(duì)圖像的邊緣目標(biāo)提取具有重要影響。Otsu分割方法是常用的圖像分割方法之一，應(yīng)用范圍廣泛。本文針對(duì)傳統(tǒng)Otsu算法運(yùn)行時(shí)間長(zhǎng)、計(jì)算復(fù)雜且優(yōu)化Otsu算法的傳統(tǒng)粒子群算法收斂速度慢、容易陷入局部最優(yōu)的缺點(diǎn)，提出了用分?jǐn)?shù)階微積分算法優(yōu)化粒子群算法的方案，將Otsu算法、分?jǐn)?shù)階微積分算法、粒子群算法三種算法進(jìn)行結(jié)合并改進(jìn)，并將新算法應(yīng)用于圖像分割。本文主要完成的工作和內(nèi)容如下:
　　(1)在圖像分割之前

2、，結(jié)合分?jǐn)?shù)階幅頻特性曲線以及分?jǐn)?shù)階微積分在圖像去噪、增強(qiáng)處理中的優(yōu)越性，針對(duì)不同特征的圖像不適合用相同的分?jǐn)?shù)階次來處理，且分?jǐn)?shù)階次需要人為設(shè)定的缺點(diǎn)，提出了一種自適應(yīng)分?jǐn)?shù)階微積分的圖像去噪、增強(qiáng)算法。根據(jù)圖像中像素點(diǎn)的紋理、噪聲強(qiáng)弱應(yīng)采用不同分?jǐn)?shù)階次處理的特點(diǎn)，結(jié)合分?jǐn)?shù)階次在一定范圍內(nèi)能夠取得較好效果的特點(diǎn)，提出了不同梯度值下的分?jǐn)?shù)階次自適應(yīng)公式，以確保對(duì)于梯度值大的噪聲強(qiáng)點(diǎn)，取較小的負(fù)階次;對(duì)于梯度值小的噪聲弱點(diǎn)，取較大的負(fù)階次;對(duì)于

3、梯度值大的圖像邊緣，取較大的正階次;對(duì)于梯度值小的圖像紋理，取較小的正階次。針對(duì)不同類型圖像，采用自適應(yīng)階次的分?jǐn)?shù)階微分、積分對(duì)待分割圖像實(shí)現(xiàn)去噪、增強(qiáng)預(yù)處理。
　　(2)在深入分析傳統(tǒng)Otsu算法、分?jǐn)?shù)階微積分算法及粒子群優(yōu)化算法理論的基礎(chǔ)上，將三種算法結(jié)合并改進(jìn)，提出了分?jǐn)?shù)階粒子群Otsu圖像閾值分割(ImFpsoOtsu)算法。首先采用灰度級(jí)-梯度二維直方圖算法，以O(shè)tsu算法的最大類間方差為適應(yīng)度函數(shù)。然后通過引入粒子進(jìn)化

4、因子，利用粒子的進(jìn)化信息自適應(yīng)更改分?jǐn)?shù)階次α，同時(shí)通過速度增量為零來更新粒子速度、位置值。最后結(jié)合傳統(tǒng)粒子群粒子更新公式并采用粒子對(duì)稱分布的改進(jìn)粒子群算法獲取最佳閾值，將目標(biāo)從圖像中分割出來。分?jǐn)?shù)階粒子群Otsu算法，最終實(shí)現(xiàn)了圖像的有效分割，解決了傳統(tǒng)的粒子群優(yōu)化算法陷入局部最優(yōu)的問題，提高了收斂速度。
　　實(shí)驗(yàn)結(jié)果表明，本文提出的自適應(yīng)分?jǐn)?shù)階次的圖像預(yù)處理算法，從主觀視覺和客觀的信噪比、熵值上優(yōu)于傳統(tǒng)算法，即圖像去噪、增強(qiáng)效果