基于遗传蚁群算法的红外图像分割方法研究

发布时间：2017-03-21 17:08

  本文关键词：基于遗传蚁群算法的红外图像分割方法研究，由笔耕文化传播整理发布。

【摘要】：近些年来,红外图像的应用领域越来越广泛,当前对红外图像的分割、识别的研究已经无法满足工程实际应用的需求。仿生学的兴起,为红外图像分割提供了新的发展方向。基于此,本文主要研究了将遗传算法和蚁群算法相结合的新的智能优化方法在红外图像处理中的应用。论文的主要内容包括:1)根据红外图像处理的特点,对遗传算法进行了改进,使图像分割的效果更加明显并加快算法的处理速度。首先,采取快速排序法替代了顺序排序法,同时将遗传代数引入到交叉、变异概率之中。其次,对适应度函数二维OTSU算法邻域灰度均值的计算进行调整,根据邻域像素点与中心像素点之间的距离不同,引入比例系数进行加权处理。再次,通过判断热红外图像噪声点进行降噪处理。最后,引入类内方差,增强算法的准确性。改进后的遗传算法降低了遗传算法出现早熟现象,同时提高了算法运算后期的收敛速度。2)为了更好的适应红外图像处理的需要,进一步提高蚁群算法的自适应能力,在原蚁群算法的基础上,对算法进行了如下改进。首先,依据迭代次数的变化对信息素因子、启发素因子和蒸发系数进行自适应的调整;其次,对信息素的更新方式进行改变,分别对最优路径和最差路径进行信息素的更新设置,提高了算法的性能。新算法进一步增强算法前期寻优和后期收敛的能力。3)在遗传算法和蚁群算法结合的过程中,将遗传运算得到的次优解转化成加权系数,作用于状态转移概率,增大了算法的寻优能力。遗传蚁群算法充分发挥了遗传算法较强的全局搜索能力和蚁群算法正反馈快速收敛能力,以满足红外图像处理的速度和精度。实验结果表明,将遗传算法和蚁群算法相结合,能够达到对两种算法之间取长补短的效果,且融合后的算法提高了热红外图像的分割效率和速度,在实际工程有一定的应用前景。
【关键词】：电路板卡 图像分割 遗传算法 蚁群算法
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP18
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 课题研究的背景及意义10-11
• 1.2 红外图像分割技术研究现状分析11-13
• 1.3 红外图像分割算法在电路板红外图像中的应用13-14
• 1.4 本文研究的主要内容和章节安排14-16
• 第二章 改进二维OTSU的自适应遗传算法在图像分割中的应用16-31
• 2.1 遗传算法的基本原理16-17
• 2.2 基于改进OTSU的自适应遗传算法17-24
• 2.2.1 遗传参数初始化17
• 2.2.2 改进的二维OTSU算法17-22
• 2.2.3 自适应遗传算子22-24
• 2.3 遗传算法在图像分割中的应用24-29
• 2.3.1 遗传算法的基本步骤和主要流程24-25
• 2.3.2 图像分割实例分析25-29
• 2.4 本章小结29-31
• 第三章 自适应蚁群算法在图像分割中的应用31-43
• 3.1 蚁群算法的原理31-32
• 3.2 改进的自适应蚁群算法32-38
• 3.2.1 蚁群初始化过程32
• 3.2.2 状态转移矩阵及自适应因子的确立32-34
• 3.2.3 蚁群算法的系统分析34-36
• 3.2.4 自适应蚁群算法36-38
• 3.3 自适应蚁群算法在图像分割中的应用38-41
• 3.3.1 蚁群算法在图像处理中的基本步骤和主要流程38-39
• 3.3.2 图像分割实例分析39-41
• 3.4 本章小结41-43
• 第四章 遗传蚁群算法在图像分割中的应用43-52
• 4.1 遗传算法和蚁群算法融合的原理43-44
• 4.2 算法的主要步骤和流程图44-46
• 4.3 红外电路板卡图像处理和实验结果的分析46-51
• 4.4 本章小结51-52
• 第五章 结论与展望52-54
• 5.1 课题总结52-53
• 5.2 研究工作展望53-54
• 致谢54-55
• 参考文献55-59
• 攻读硕士研究生期间的科研成果59

  本文关键词：基于遗传蚁群算法的红外图像分割方法研究，由笔耕文化传播整理发布。

，

本文编号：259994