基于多目标布谷鸟模糊聚类的图像分割算法及应用

发布时间：2021-01-18 20:13

　　传统模糊聚类的图像分割方法,如模糊C-均值聚类算法因鲁棒性差、易受噪声影响难以满足抗噪性与细节保留性之间平衡的实际需求,现有研究者们多基于该算法进行改进,加入含有像素局部空间邻域信息或非局部空间邻域信息的目标函数,使用控制参数连接多个目标函数,该控制参数的优选导致难以准确获取最优解从而影响其图像分割的效果。基于多目标进化算法具有全局搜索的求解性能,可将模糊聚类的图像分割转化为多目标优化问题,无需控制参数即可同时优化多个目标函数,能利用更多图像信息解决像素分布复杂等问题,提高图像分割的各项性能,并取得在复杂图像信息的抗噪性能与细节保留之间的平衡。因此本文针对模糊聚类的图像分割算法进行了研究,以分解的多目标布谷鸟算法为框架,提出一种基于多目标布谷鸟模糊聚类的图像分割算法,并将其应用于机器视觉的磨削样块表面粗糙度测量中。论文主要研究内容如下:（1）从基于边缘、区域、特定理论、聚类的四类图像分割方法和基于机器视觉的表面粗糙度测量国内外研究现状进行综述,分析了模糊聚类的图像分割算法在处理较强噪声水平的图像中存在的问题,从而确定论文研究内容和思路。（2）针对结合局部空间邻域信息与结合非局部空间邻域... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

用户登陆界面

图像采集系统界面

图5.4分割系统模块界面

【参考文献】：
期刊论文
[1]粗糙度关联的图像特征指标性能评价方法研究[J]. 路恩会,刘坚,王卫芳,易怀安,张航.  仪器仪表学报. 2017(08)
[2]多目标布谷鸟搜索算法[J]. 贺兴时,李娜,杨新社,余兵.  系统仿真学报. 2015(04)
[3]云环境中基于布谷鸟搜索算法的多目标任务调度方案[J]. 吴国芳.  计算机应用研究. 2015(09)
[4]基于互补空间信息的多目标进化聚类图像分割[J]. 赵凤,刘汉强,范九伦.  电子与信息学报. 2015(03)
[5]基于LabVIEW和Matlab混合编程的在线通信原理实验平台[J]. 曹慧露,曾佳,朱文锦,梁岩,黄铭.  实验室科学. 2014(06)
[6]改进Prewitt算子圆锥面边缘高精度检测算法[J]. 古意昌,徐杜,蒋永平.  计算机工程与应用. 2013(22)
[7]抗噪Roberts算子边沿检测器[J]. 毕卓,韩冰.  计算机技术与发展. 2013(06)
[8]无监督模糊C均值聚类自然图像分割算法[J]. 纪则轩,潘瑜,陈强,孙权森,夏德深.  中国图象图形学报. 2011(05)
[9]基于加权欧式距离的kmeans算法研究[J]. 张忠林,曹志宇,李元韬.  郑州大学学报(工学版). 2010(01)
[10]一种人脸表情分类的新方法——Manhattan距离[J]. 李俊华,彭力.  计算机工程与应用. 2008(02)

博士论文
[1]基于色彩信息的机器视觉粗糙度检测方法研究[D]. 易怀安.湖南大学 2017

硕士论文
[1]基于机器视觉与机器学习的磨削齿面粗糙度测量研究[D]. 臧俊涛.湖南大学 2018
[2]布谷鸟搜索算法的改进研究[D]. 马灿.湖南大学 2017
[3]基于LabVIEW和Matlab的图像去噪研究[D]. 杨小静.湖南师范大学 2014



本文编号：2985591