智能算法及其在图像处理中的应用
发布时间：2021-07-24 22:28
随着数字图像处理技术的不断发展和计算机产品的更新换代,数字图像处理技术已经在各个领域得到了广泛的应用,为科学进步和生产力的发展做出了巨大贡献。图像处理涉及范围较广,包括图像的变换、修复、分割、增强、匹配、分类等多个领域。智能算法是指通过模拟人、自然现象及其它生物种群的进化规律、行为特点和思维模式形成的智能计算方法,具有高效并行的全局寻优能力和较强的优化性能。传统的智能算法有遗传算法、蚁群算法和粒子群算法。由于数字图像处理可以视为一个对复杂的非线性问题进行求解的过程,而智能算法对传统算法难以解决的复杂问题仍能取得较好的优化效果,因此将智能算法应用于图像处理中具有广阔的发展前景。由于传统的单一智能算法存在易陷入局部最优和收敛精度低的问题,而将多种智能算法有机结合起来可以取得更好的优化性能,因此本文首先将天牛须算法（BAS）和布谷鸟算法（CS）相融合形成了一种优化性能更好的新型混合智能算法（BAS-CS）,然后分别将该算法应用于图像修复、图像分割和图像匹配领域,取得了较好的优化效果。主要工作和创新点如下:（1）将天牛须算法与布谷鸟算法相融合形成了一种新型混合智能算法（BAS-CS）,并在be...
【文章来源】：西华师范大学四川省
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
智能算法及其主要分类Fig.1-1Intelligentalgorithmanditsmainclassification
7图 1- 2 粒子群算法流程图Fig. 1-2 Intelligent algorithms and their classification 的图像修复、图像分割、图像匹配和图像融合是把转化为 PSO 算法中的适应度函数，然后使用 PSO 解。虽然 PSO 算法的收敛速度快，但却易陷入局度不高。针对 PSO 算法存在的收敛精度差、容易者提出了很多的改进策略。Navalertporn 等[40]采用双向 PSO 对多目标任务进行的寻优效果。 Ishaque K 等[41]对传统粒子群算法进能充电领域。 Liu B 等[42]针对旅行商问题( TSP)，法( MA)，TSP 是一个的具有 NP 难度的组合优化Chuang LY 等[43]提出了一种改进的二元粒子群算法于特征提取，有效地简化了特征提取过程，并使得
图 2- 1 天牛搜寻食物策略Fig. 2-1 Strategies of beetle in food search.2 天牛须搜索对我们的启发可以把食物散发出的气味视作一个函数，这个函数在空间里各个位置的相同，天牛左右两条须可以感知自身周围的食物气味浓度，天牛的目标是气味浓度最大的位置（即食物的位置）。通过模仿天牛搜寻食物的行为，对函数进行快速寻优。BAS 算法基于以下几个假设：1、天牛两须分布于质心的两端，且与质心的距离相等。2、步长step 和两须间距离 d 0的比值是个常数，即0stepcd 。3、天牛移动到下一位置时，头的朝向是任意的。.3 系统建模1、在一个 n 维空间里，用xl 代表左须的位置，用xr 代表右须的位置，x心的位置， d 0代表左右两须间距离的大小。由于天牛头的朝向是随机的，以推断出右须指向左须的向量方向也是随机的，因此可以用一个随机向
【参考文献】：
期刊论文
[1]一种改进的Criminisi算法[J]. 李桃,吴亚娟,陈毅红,张凯. 西华师范大学学报(自然科学版). 2019(02)
[2]一种基于群智能算法的图像匹配算法[J]. 李桃. 信息与电脑(理论版). 2019(04)
[3]基于天牛须搜索的粒子群优化算法求解投资组合问题[J]. 陈婷婷,殷贺,江红莉,王露. 计算机系统应用. 2019(02)
[4]基于天牛须搜索优化的室内定位算法[J]. 邹东尧,陈鹏伟,刘宽. 湖北民族学院学报(自然科学版). 2018(04)
[5]基于天牛须搜索的花朵授粉算法[J]. 邵良杉,韩瑞达. 计算机工程与应用. 2018(18)
[6]基于变步长天牛须搜索算法的空间直线度误差评定[J]. 陈君宝,王宸,王生怀. 工具技术. 2018(08)
[7]新型群智能优化算法综述[J]. 林诗洁,董晨,陈明志,张凡,陈景辉. 计算机工程与应用. 2018(12)
[8]一种新的粒子群优化的图像匹配算法[J]. 王长清,朱进进,张佳伟. 现代电子技术. 2018(10)
[9]基于布谷鸟优化的三维OTSU图像分割算法[J]. 杨晓,胡可杨,汪烈军,秦继伟,左航. 新疆大学学报(自然科学版). 2017(04)
[10]基于鸡群优化算法的SAR图像快速分割[J]. 梁建慧,王丽芳,蒋泽军,马苗. 计算机应用研究. 2018(09)
博士论文
[1]仿生优化算法在数字图像处理中的应用研究[D]. 刘传文.武汉理工大学 2008
[2]遗传算法及其在航空发动机非线性数学模型中的应用研究[D]. 苏三买.西北工业大学 2002
硕士论文
[1]群体智能算法在图像SIFT特征匹配中的应用[D]. 陈文华.中北大学 2018
[2]基于细菌觅食算法的图像处理[D]. 关良华.湖南工业大学 2017
[3]基于PSO和FOA的图像修复算法[D]. 王一卜.中北大学 2017
[4]改进粒子群优化算法的图像匹配[D]. 朱进进.河南师范大学 2017
[5]杜鹃搜索算法在图像处理中的应用研究[D]. 王明威.湖北工业大学 2015
[6]细菌觅食优化算法研究及其在图像匹配中的应用[D]. 周美茹.西安电子科技大学 2014
[7]大区域图像修复算法研究[D]. 张斐.南京邮电大学 2013
[8]基于粒子群优化的图像局部特征提取算法研究[D]. 曹雪莲.福州大学 2013
[9]基于改进遗传算法的图像匹配方法研究[D]. 薛娇.太原理工大学 2011
[10]新型智能优化算法及其在图像分割中的应用研究[D]. 梁建慧.陕西师范大学 2011
本文编号：3301552
【文章来源】：西华师范大学四川省
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
智能算法及其主要分类Fig.1-1Intelligentalgorithmanditsmainclassification
7图 1- 2 粒子群算法流程图Fig. 1-2 Intelligent algorithms and their classification 的图像修复、图像分割、图像匹配和图像融合是把转化为 PSO 算法中的适应度函数，然后使用 PSO 解。虽然 PSO 算法的收敛速度快，但却易陷入局度不高。针对 PSO 算法存在的收敛精度差、容易者提出了很多的改进策略。Navalertporn 等[40]采用双向 PSO 对多目标任务进行的寻优效果。 Ishaque K 等[41]对传统粒子群算法进能充电领域。 Liu B 等[42]针对旅行商问题( TSP)，法( MA)，TSP 是一个的具有 NP 难度的组合优化Chuang LY 等[43]提出了一种改进的二元粒子群算法于特征提取，有效地简化了特征提取过程，并使得
图 2- 1 天牛搜寻食物策略Fig. 2-1 Strategies of beetle in food search.2 天牛须搜索对我们的启发可以把食物散发出的气味视作一个函数，这个函数在空间里各个位置的相同，天牛左右两条须可以感知自身周围的食物气味浓度，天牛的目标是气味浓度最大的位置（即食物的位置）。通过模仿天牛搜寻食物的行为，对函数进行快速寻优。BAS 算法基于以下几个假设：1、天牛两须分布于质心的两端，且与质心的距离相等。2、步长step 和两须间距离 d 0的比值是个常数，即0stepcd 。3、天牛移动到下一位置时，头的朝向是任意的。.3 系统建模1、在一个 n 维空间里，用xl 代表左须的位置，用xr 代表右须的位置，x心的位置， d 0代表左右两须间距离的大小。由于天牛头的朝向是随机的，以推断出右须指向左须的向量方向也是随机的，因此可以用一个随机向
【参考文献】：
期刊论文
[1]一种改进的Criminisi算法[J]. 李桃,吴亚娟,陈毅红,张凯. 西华师范大学学报(自然科学版). 2019(02)
[2]一种基于群智能算法的图像匹配算法[J]. 李桃. 信息与电脑(理论版). 2019(04)
[3]基于天牛须搜索的粒子群优化算法求解投资组合问题[J]. 陈婷婷,殷贺,江红莉,王露. 计算机系统应用. 2019(02)
[4]基于天牛须搜索优化的室内定位算法[J]. 邹东尧,陈鹏伟,刘宽. 湖北民族学院学报(自然科学版). 2018(04)
[5]基于天牛须搜索的花朵授粉算法[J]. 邵良杉,韩瑞达. 计算机工程与应用. 2018(18)
[6]基于变步长天牛须搜索算法的空间直线度误差评定[J]. 陈君宝,王宸,王生怀. 工具技术. 2018(08)
[7]新型群智能优化算法综述[J]. 林诗洁,董晨,陈明志,张凡,陈景辉. 计算机工程与应用. 2018(12)
[8]一种新的粒子群优化的图像匹配算法[J]. 王长清,朱进进,张佳伟. 现代电子技术. 2018(10)
[9]基于布谷鸟优化的三维OTSU图像分割算法[J]. 杨晓,胡可杨,汪烈军,秦继伟,左航. 新疆大学学报(自然科学版). 2017(04)
[10]基于鸡群优化算法的SAR图像快速分割[J]. 梁建慧,王丽芳,蒋泽军,马苗. 计算机应用研究. 2018(09)
博士论文
[1]仿生优化算法在数字图像处理中的应用研究[D]. 刘传文.武汉理工大学 2008
[2]遗传算法及其在航空发动机非线性数学模型中的应用研究[D]. 苏三买.西北工业大学 2002
硕士论文
[1]群体智能算法在图像SIFT特征匹配中的应用[D]. 陈文华.中北大学 2018
[2]基于细菌觅食算法的图像处理[D]. 关良华.湖南工业大学 2017
[3]基于PSO和FOA的图像修复算法[D]. 王一卜.中北大学 2017
[4]改进粒子群优化算法的图像匹配[D]. 朱进进.河南师范大学 2017
[5]杜鹃搜索算法在图像处理中的应用研究[D]. 王明威.湖北工业大学 2015
[6]细菌觅食优化算法研究及其在图像匹配中的应用[D]. 周美茹.西安电子科技大学 2014
[7]大区域图像修复算法研究[D]. 张斐.南京邮电大学 2013
[8]基于粒子群优化的图像局部特征提取算法研究[D]. 曹雪莲.福州大学 2013
[9]基于改进遗传算法的图像匹配方法研究[D]. 薛娇.太原理工大学 2011
[10]新型智能优化算法及其在图像分割中的应用研究[D]. 梁建慧.陕西师范大学 2011
本文编号：3301552
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3301552.html
