基于FODPSO算法的图像分割及DSP实现

发布时间：2017-08-26 13:12

  本文关键词：基于FODPSO算法的图像分割及DSP实现

  更多相关文章： 分数阶达尔文粒子群算法 图像分割 多尺度 TMS320VC5509A OV7670

【摘要】：图像分割主要用于提取用户感兴趣的目标,是图像分类和识别的基础。本文采用一种基于分数阶达尔文粒子群算法FODPSO的图像分割方法,该算法采用分数阶微积分去控制系统收敛性,能够快速高效对n尺度图像进行n-1个阈值寻优计算。本文着重研究基于分数阶达尔文粒子群算法FODPSO的图像分割。群智能算法种类繁多,不同算法适应能力不同,因此有必要进行群智能算法性能对比,将最优算法移植于DSP实现,这具有重要的实际意义。1.本文选取了遗传算法GA、模拟退火算法SA、蚁群算法ACO、人群搜索算法SOA、基本粒子群算法PSO、带惯性权值的粒子群算法APSO、带压缩因子的粒子群算法CFPSO、达尔文粒子群算法DPSO、分数阶达尔文粒子群算法FODPSO进行分析,分别对其算法原理以及算法流程做了详细的介绍。2.考虑到算法适应能力,本文选取算法求解目标函数值平均值、目标函数值标准偏差和CPU计算时间作为算法评价指标,分别选取了双目标函数优化、三目标函数优化、多尺度图像分割测试实验,通过GA、SA、ACO、SOA、PSO、APSO、CFPSO、 DPSO、FODPSO算法对比实验,FODPSO算法具有收敛速度快、稳定性强、精度高、全局寻优等特点,有效地克服了算法易陷入局部最优和收敛速度慢等缺陷。3.TI公司的TMS320VC5509A芯片具有体积小巧、开发成本低、性能可靠等特点,能够较好的适应静态图像处理。本文采用TMS320VC5509A开发板驱动CMOS摄像头OV7670采集图像,并由FODPSO算法最终完成图像分割。4.本文由MATLAB进行算法仿真,基于CCS3.3平台,将综合性能最佳的FODPSO算法移植于DSP实现,完成了多尺度图像分割实验。本文基于TMS320VC5509A开发板和OV7670摄像头的最小图像分割系统设计,对于实际应用具有重要的价值与意义。
【关键词】：分数阶达尔文粒子群算法 图像分割 多尺度 TMS320VC5509A OV7670
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要6-7
• Abstract7-10
• 第1章 绪论10-16
• 1.1 本文研究背景及意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 DSP图像处理研究现状11-12
• 1.2.2 图像分割算法研究现状12-14
• 1.3 本文主要工作14-15
• 1.4 本文章节安排15-16
• 第2章 DSP图像处理系统设计16-23
• 2.1 硬件系统整体方案16
• 2.2 DSP开发平台16-21
• 2.2.1 DSP芯片选型16-18
• 2.2.2 GPIO功能18
• 2.2.3 C5509A与SDRAM接口实现18-19
• 2.2.4 C5509A与FLASH接口实现19-20
• 2.2.5 C5509A与AL422B接口实现20
• 2.2.6 C5509A外部引脚EMIF20-21
• 2.3 OV7670摄像头21-22
• 2.4 本章小结22-23
• 第3章 群智能优化算法原理分析23-40
• 3.1 遗传算法24-26
• 3.2 模拟退火算法26-27
• 3.3 蚁群算法27-28
• 3.4 人群搜索算法28-31
• 3.4.1 搜索步长28-29
• 3.4.2 搜索方向的确定29
• 3.4.3 个体位置的更新29-31
• 3.5 粒子群算法31-39
• 3.5.1 基本粒子群算法31-32
• 3.5.2 带惯性权重的粒子群算法32-33
• 3.5.3 带压缩因子的粒子群算法33
• 3.5.4 达尔文粒子群算法33-36
• 3.5.5 分数阶达尔文粒子群算法36-39
• 3.6 本章小结39-40
• 第4章 群智能优化算法应用与性能对比40-61
• 4.1 双目标函数优化40-45
• 4.1.1 测试函数选取40-42
• 4.1.2 双目标优化求解42-45
• 4.2 三目标函数优化45-48
• 4.2.1 适应度函数构建45-47
• 4.2.2 三目标优化求解47-48
• 4.3 多尺度图像分割48-60
• 4.3.1 N尺度阈值分割模型49-51
• 4.3.2 图像阈值分割51-60
• 4.4 本章小结60-61
• 第5章 基于DSP的图像分割实验系统设计与实现61-78
• 5.1 C5509A与OV7670引脚设置61-62
• 5.2 DSP软件开发平台62-63
• 5.2.1 CCS3.3软件介绍62-63
• 5.2.2 CCS3.3图像显示63
• 5.3 图像采集功能实现63-66
• 5.4 图像预处理66-68
• 5.4.1 直方图均衡化66-67
• 5.4.2 中值滤波67-68
• 5.5 基于DSP的FODPSO图像分割实现68-71
• 5.6 DSP与MATLAB联合仿真71-77
• 5.6.1 乒乓球分割72-74
• 5.6.2 人脸分割74-77
• 5.7 本章小结77-78
• 结论与展望78-79
• 致谢79-80
• 参考文献80-84
• 攻读硕士学位期间发表的论文及科研成果84-85
• 附录85-101

【相似文献】

中国期刊全文数据库 前10条

1 唐伟力;龙建忠;;一种基于降雨模型的图像分割方法在砾岩图像分割中的应用[J];成都信息工程学院学报;2007年02期

2 黄晓莉;曾黄麟;王秀碧;刘永春;;基于脉冲耦合神经网络的图像分割[J];信息技术;2008年09期

3 肖飞;綦星光;;图像分割方法综述[J];可编程控制器与工厂自动化;2009年11期

4 汪一休;;一种交互式图像分割的修正优化方法[J];中国科学技术大学学报;2010年02期

5 李丹;;图像分割方法及其应用研究[J];科技信息;2010年36期

6 龚永义;黄辉;于继明;关履泰;;基于熵的两区域图像分割[J];中国图象图形学报;2011年05期

7 张甫;李兴来;陈佳君;;浅谈图像分割方法的研究运用[J];科技创新与应用;2012年04期

8 汪梅;何高明;贺杰;;常见图像分割的技术分析与比较[J];计算机光盘软件与应用;2013年06期

9 魏庆;卢照敢;邵超;;基于复杂性指数的图像分割必要性判别技术[J];计算机工程与应用;2013年16期

10 陈晓丹;李思明;;图像分割研究进展[J];现代计算机(专业版);2013年33期

中国重要会议论文全文数据库 前10条

1 杨魁;赵志刚;;图像分割技术综述[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

2 杨暄;郭成安;李建华;;改进的脉冲耦合神经网络及其在图像分割中的应用[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

3 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

4 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

5 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

6 孙莉;张艳宁;胡伏原;赵荣椿;;基于Gaussian-Hermite矩的SAR图像分割[A];第十三届全国图象图形学学术会议论文集[C];2006年

7 李盛;;基于协同聚类的图像分割[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 张利;许家佗;;舌象图像分割技术的研究与应用进展[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年

9 秦昆;李振宇;李辉;李德毅;;基于云模型和格网划分的图像分割方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

10 高惠琳;窦丽华;陈文颉;谢刚;;图像分割技术在医学CT中的应用[A];中国自动化学会控制理论专业委员会A卷[C];2011年

中国博士学位论文全文数据库 前10条

1 白雪飞;基于视觉显著性的图像分割方法研究[D];山西大学;2014年

2 黄万里;基于高分卫星数据多尺度图像分割方法的天山森林小班边界提取研究[D];福建师范大学;2015年

3 王辉;图像分割的最优化和水平集方法研究[D];电子科技大学;2014年

4 高婧婧;脑部MR图像分割理论研究[D];电子科技大学;2014年

5 潘改;偏微分方程在图像分割中的应用研究[D];东北大学;2013年

6 冯籍澜;高分辨率SAR图像分割与分类方法研究[D];电子科技大学;2015年

7 李伟斌;图像分割中的变分模型与快速算法研究[D];国防科学技术大学;2014年

8 邓晓政;基于免疫克隆选择优化和谱聚类的复杂图像分割[D];西安电子科技大学;2014年

9 帅永e，

本文编号：741633