量子萤火虫算法改进及其在图像阈值分割中的应用

发布时间：2020-03-19 17:50

【摘要】：精确的图像分割在图像处理中起着关键的作用.然而传统分割方法由于几何变形、图像噪声、颜色纹理变化等众多因素的影响呈现出计算量大、分割精度较低等特征,难以提高图像处理的分割精度.当前,交叉熵被广泛应用于多水平阈值的提取,为此,各种智能优化算法被提出寻找不同水平阈值的最优组合,使交叉熵最小,以期能在一定的时间范围内有效地解决这一问题.由于萤火虫算法具有寻优性能优越、参数少且计算简便等特点,此外,量子计算具有量子并行的特点,能使经典算法加快运行速度.针对基本量子萤火虫算法(QFA)早熟、易陷入局部最优的缺陷,本文提出了基于三种组合策略的量子萤火虫算法,将最小交叉熵作为目标函数,并将它应用在贺兰山岩画及经典图像的多阈值分割问题上,取得了较好的效果.相关工作如下:(1)概述了萤火虫算法、量子计算及图像分割理论,并将萤火虫算法应用在一典型多峰函数上进行了性能测验,分析了萤火虫算法的优缺点.(2)研究了用于基本量子萤火虫算法改进的三种策略,分别为:自适应步长调整策略、广义精英反向学习策略及边界控制策略.将三种策略相互组合应用在基本量子萤火虫算法中,提出了三种改进的量子萤火虫算法,即AQFA、AQFA_1、AQFA_2.AQFA_2即为自适应量子萤火虫算法.并在10个基准测试函数对改进的算法进行试验,结果表明在一定条件下自适应量子萤火虫算法综合优化性能更佳,在求解多维函数中具有较强的优势,能够有效提高高维函数计算速率,节省计算时间.(3)将改进的量子萤火虫算法应用于经典图像及贺兰山岩画图像分割研究.本文取最小交叉熵作为适应度函数,结果表明,利用改进的基本量子萤火虫算法即自适应量子萤火虫算法提升了获取分割图像阈值的计算速度,缩短了分割时间,实例证明无论在MSSIM还是PSNR方面,都得到了显著的提升.因此本文提出的AQFA_2算法为图像分割提供了有效的方法.
【图文】：

像素并设置为黑色．阈值的成功与否取决于阈值的选取．逡逑一般来说，全局阈值分割技术在图像的目标与背景完全可分的情况下可以取得较好的分割逡逑效果，在图像直方图中可以看到明显的“双峰”直方图分布，也就是说，图２．１所示的凹槽部分就逡逑是所要寻找的最佳分割阈值位置，以该位置的值进行图像分割．逡逑ｉ邋ｉ逡逑Ｐ逡逑像逡逑素逡逑个逡逑数逡逑逦＼＼＼逦＇邋，逡逑Ｔ逦２５５逡逑图２．１：双峰直方图分布逡逑Ｆｉｇｕｒｅ邋２．１：邋ｂｉｍｏｄａｌ邋ｈｉｓｔｏｇｒａｍ邋ｄｉｓｔｒｉｂｕｔｉｏｎ逡逑在本文中，将给定图像的阈值搜索过程看作一个约束优化问题．对于双级阈值，问题就转化逡逑－９－逡逑

像素并设置为黑色．阈值的成功与否取决于阈值的选取．逡逑一般来说，，全局阈值分割技术在图像的目标与背景完全可分的情况下可以取得较好的分割逡逑效果，在图像直方图中可以看到明显的“双峰”直方图分布，也就是说，图２．１所示的凹槽部分就逡逑是所要寻找的最佳分割阈值位置，以该位置的值进行图像分割．逡逑ｉ邋ｉ逡逑Ｐ逡逑像逡逑素逡逑个逡逑数逡逑逦＼＼＼逦＇邋，逡逑Ｔ逦２５５逡逑图２．１：双峰直方图分布逡逑Ｆｉｇｕｒｅ邋２．１：邋ｂｉｍｏｄａｌ邋ｈｉｓｔｏｇｒａｍ邋ｄｉｓｔｒｉｂｕｔｉｏｎ逡逑在本文中，将给定图像的阈值搜索过程看作一个约束优化问题．对于双级阈值，问题就转化逡逑－９－逡逑
【学位授予单位】：宁夏大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;TP391.41;TP38

【相似文献】

相关期刊论文 前10条

1 黄玲;石玉秋;覃永新;;基于小波融合的苹果图像分割的研究[J];科技视界;2018年29期

2 侯红英;高甜;李桃;;图像分割方法综述[J];电脑知识与技术;2019年05期

3 姚霆;张炜;刘金根;;基于深度学习的图像分割技术[J];人工智能;2019年02期

4 丁翠;;基于模糊信息处理的图像分割方法研究[J];信息系统工程;2017年11期

5 王平;魏征;崔卫红;林志勇;;一种基于统计学习理论的最小生成树图像分割准则[J];武汉大学学报(信息科学版);2017年07期

6 李然;李记鹏;宋超;;基于显著性检测的协同图像分割研究[J];现代计算机(专业版);2017年24期

7 邓惠俊;;一种基于数据场的图像分割方法与研究[J];长春工程学院学报(自然科学版);2016年02期

8 李继云;冀卿伟;;基于自适应局部阈值的交互式图像分割[J];计算机应用与软件;2014年11期

9 刘印;;对图像分割方法的认识及新进展研究[J];数码世界;2018年08期

10 杨成佳;;唇纹识别图像分割系统的研究[J];山西青年;2017年11期

相关会议论文 前10条

1 闫平昆;;基于模型的图像分割技术及其医学应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

2 杨生友;;图像分割在医学图像中应用现状综述[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

3 朱士蓉;谢昭;高隽;;一种图模型下的柔性图像分割方法[A];中国仪器仪表学会第十二届青年学术会议论文集[C];2010年

4 朱松豪;刘佳伟;罗青青;胡荣林;;基于关联模型的图像分割[A];第26届中国控制与决策会议论文集[C];2014年

5 张志会;王华英;熊南燕;廖薇;成惠;刘飞飞;;对基于图像分割与合并的相位展开算法的改进[A];第十届全国光电技术学术交流会论文集[C];2012年

6 杨加文;谢凤英;;基于深度学习的皮肤镜图像分割[A];第十五届中国体视学与图像分析学术会议论文集[C];2017年

7 郭世可;董槐林;龙飞;张海波;;一种结合密度聚类和区域生长的图像分割方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

8 刘智勇;李进;黄道君;;基于遗传算法的视频交通量检测图像分割方法[A];中国体视学学会图像分析专业、中国体视学学会仿真与虚拟现实专业、中国航空学会信号与信息处理专业第一届联合学术会议论文集[C];2000年

9 张萍;单筱攸;巴成贺;;主动脉图像分割的研究与实现[A];第十二届中国体视学与图像分析学术会议论文集[C];2008年

10 赵建业;余道衡;;一种基于模糊细胞神经网络的多值图像分割新方法[A];中国体视学学会图像分析专业、中国体视学学会仿真与虚拟现实专业、中国航空学会信号与信息处理专业第一届联合学术会议论文集[C];2000年

相关重要报纸文章 前1条

1 赵利利;图像分割出新方法[N];中国科学报;2019年

相关博士学位论文 前10条

1 古晶;基于稀疏特征学习的SAR图像分割与半监督分类方法研究[D];西安电子科技大学;2016年

2 段一平;基于层次视觉计算和统计模型的SAR图像分割与理解[D];西安电子科技大学;2017年

3 胡佩君;腹部CT图像分割的可计算建模方法研究[D];浙江大学;2018年

4 姜枫;基于语义识别的砂岩薄片图像分割方法研究[D];南京大学;2018年

5 赵晓丽;面向图像分割的智能算法研究[D];上海大学;2018年

6 倪波;高强度聚焦超声图像分割方法研究[D];武汉大学;2016年

7 彭自立;用于交互式图像分割的自适应表观分离[D];湖南师范大学;2018年

8 瞿绍军;基于最优化理论的图像分割方法研究[D];湖南师范大学;2018年

9 王森;非受限场景裂纹图像分割方法研究[D];昆明理工大学;2017年

10 王涛;特征度量与信息传递的交互式图论分割方法研究[D];南京理工大学;2017年

相关硕士学位论文 前10条

1 栾晶;基于MAP-MRF的图像分割方法的研究[D];华北电力大学(北京);2019年

2 肖石林;基于Levy飞行的树种优化算法及在图像分割中的应用[D];广西民族大学;2019年

3 李恒恒;面向机场ROI提取的SAR图像分割方法研究[D];上海交通大学;2016年

4 刘亮;基于MRF的森林冠层半球图像分割方法研究[D];东北林业大学;2019年

5 李润佳;基于LBF算法的树木图像分割方法的研究[D];东北林业大学;2019年

6 冯忠伟;基于深度学习的眼底视网膜图像分割研究[D];上海交通大学;2018年

7 崔志鹏;基于深度学习的图像分割[D];上海交通大学;2018年

8 张凯文;基于U-Net的肝脏CT图像分割研究[D];华南理工大学;2019年

9 庞紫玲;基于密度峰值的复杂任务多粒度分解求解机制研究[D];重庆邮电大学;2018年

10 魏家玺;基于计算机视觉的柑橘溃疡病图像分割的研究[D];广西大学;2019年

本文编号：2590502