混沌优化算法及其在交通图像分割中的应用

发布时间：2020-07-04 03:39

【摘要】：在交通领域,交通图像的种类繁多,包括车牌图像、车辆图像、道路图像以及交通标志图像,而且交通图像容易受到噪声的污染,因此研究交通图像处理技术具有重要意义。交通图像分割结果直接影响交通图像的后续处理,而传统的基于聚类的交通图像分割算法存在适应性不强且容易陷入局部最优的缺陷。由于混沌优化算法具有较强的全局搜索能力,本文通过对混沌优化算法进行研究,针对混沌优化算法存在的不足进行改进,并将改进后的并行混沌和声搜索算法应用到交通图像分割当中,提出了并行混沌和声搜索聚类算法。此外,本文还将混沌运用到多目标优化问题,提出了多目标混沌优化算法,通过将多目标混沌优化算法运用到交通图像分割当中,提出了多目标混沌优化聚类算法。本文的主要研究工作分为以下四大块:虽然混沌优化算法具有很强的全局搜索能力,但是混沌优化算法存在对初始值较为敏感且局部搜索能力不足的缺陷。针对混沌优化算法对初始值较为敏感,采用并行混沌搜索的机制进行改进;针对混沌优化算法局部搜索能力不足,将其与和声搜索算法相结合。通过引入交叉操作以及合并操作,将混沌用于对多目标问题进行优化,本文提出了多目标混沌优化算法。该算法首先运用混沌载波进行全局搜索,然后再通过交叉操作以及合并操作进行局部寻优。此外,通过加入自适应变化的噪声,多目标混沌优化算法的自适应性得到加强,与此同时,优化效果也得到进一步提升。通过将并行混沌和声搜索算法与聚类技术相结合,本文提出了并行混沌和声搜索聚类算法,并将该算法与硬聚类算法以及模糊聚类算法进行比较。实验结果表明,并行混沌和声搜索聚类算法相比硬聚类算法以及模糊聚类算法具有更好的交通图像分割效果。通过将多目标混沌优化算法与聚类技术相结合,本文提出了多目标混沌优化聚类算法。通过实验仿真,确定了多目标混沌优化聚类算法的优化指标:XB和Jm。最后,将多目标混沌优化聚类算法与并行混沌和声搜索聚类算法以及多目标遗传优化聚类算法进行对比,实验结果表明多目标混沌优化聚类算法具有更好的适应性和交通图像分割效果。
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U491
【图文】：

流程图,经典混沌,优化算法,流程图

Ｃｊｆｅ）逡逑图２．１经典混沌优化算法流程图逡逑图２．１为经典混沌优化算法的流程图。根据混沌的遍历性可知，混沌优化算逡逑法全局搜索能力强，不容易陷入局部最优。由于混沌对初始值具有敏感依赖性，逡逑因此混沌优化算法对初始值比较敏感；此外，当优化变量的取值范围较大或者优逡逑化变量的数目较多时，混沌优化算法的搜索过程会比较耗时，因此混沌优化算法逡逑的局部搜索能力需要加强。逡逑２．３混沌优化算法的改进逡逑２．３．１并行混沌优化算法逡逑虽然混沌运动在一定的范围内具有遍历性，但是由于混沌序列对于初始状态逡逑具有敏感依赖性，从一些混沌初始状态出发可能需要迭代很多次才能够找到全局逡逑最优解，因而可以考虑从多个初始点出发进行并行搜索。基于此，本文采用了并逡逑行混沌优化的机制进行改进，并行混沌优化的基本步骤如下：逡逑⑴初始化逡逑初始化最大迭代次数Ｎ

流程图,混沌优化算法,和声,搜索算法

逦逦逡逑（３）进行迭代搜索，从Ｐ个并行最优值ｆＭｉｅｌｐ］）中得到当前最优值ｒ邋＝逡逑并行混沌搜索的基本流程图２．２所示：逡逑Ｃ开始）逡逑，逦Ｘ逡逑初始化Ｐ组并行混沌变量逡逑！逦邋．邋￣ｎ逡逑通过载波得到Ｐ组优化变ｉ的取值，进行混沌搜索｜逡逑！逡逑运用Ｌｏｇｉｓｔｉｃ映射更新混纯变量逡逑输出Ｐ组混沌变量中的最优值ｆ＊以及最优解ｘ＊逡逑ｒ逡逑图２．２并行混沌优化算法流程图逡逑２．３．２和声搜索算法逡逑和声搜索算法是受音乐创作过程的启发提出的一种智能优化算法，在音乐演逡逑奏中，乐师们凭借自己的记忆，通过反复调整乐队中各乐器的音调，最终达到一逡逑种比较美妙的和声状态。创作一个新和声主要有三种方式［４Ｇ］：邋１）直接从和声记忆逡逑库中选取和声分量；２）微调和声记忆库中的和声分量，即加入扰动；３）随机生逡逑成一个和声分量。逡逑和声搜索算法的基本操作主要有：逡逑Ｓｔｅｐｌ：初始化优化目标函数并确定算法参数逡逑通常情况下，优化目标函数可以用如下数学公式表示：逡逑ｓ．ｔ．邋Ｘｊ邋Ｅ邋［ＬＢｊ，ＵＢ」，ｊ邋＝邋１，２，３，…ｎ逡逑式中代表目标函数

【参考文献】