基于改进粒子群的最大熵多阈值MRI图像分割算法研究
发布时间：2021-12-31 00:42
核磁共振成像是目前应用最为广泛,技术最为成熟的医学成像手段之一,核磁共振图像分割技术在医疗诊断、病灶定位、组织测定、生物实验等领域有极高的应用价值。阈值分割算法是目前核磁共振图像分割的主要方法,本文在传统阈值图像分割算法的基础上采用改进型粒子群算法进行多阈值参数优化,提出了新的核磁共振图像分割算法,与传统单阈值分割算法相比具有运算效率高、速度快、分割准确度高等特点。文章的具体内容包括:（1）以最大熵阈值分割算法、最大类间阈值分割算法为例对阈值图像分割算法进行讨论,在传统阈值分割算法的基础上提出了适用于核磁共振影像的基于改进粒子群的最大熵阈值分割算法。（2）通过优化惯性权重、收缩因子等参数,设计并引入扩张模型对粒子群算法进行改进,通过测试函数对改进粒子群算法、基本粒子群算法、量子粒子群算法的收敛性能进行对比,对新算法的收敛速度和搜索性能进行验证。（3）以帝国理工学院脑发展研究中心（Center of developing brain seminar in Imperial College London）核磁共振数据库的30例（共150张影像）人脑MRI序列为样本,对基于改进后粒子群算法的...
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
Sphere、Shaffer、Griewank、Rastrigrin的测试结果
3 改进型粒子群最大熵多阈值分割表 3.1 三种算法搜索时间比较测试函数 基本粒子群算法 量子粒子群算法 改进型粒子群算法Sphere 0.0146s 0.1152s 0.0139sShaffer 0.0317s 0.1165s 0.027sGriewank 0.0351s 0.1259s 0.0312sRastrigrin 0.0201s 0.1167s 0.0138s从三种粒子群算法对测试函数搜索定位的时间分析，本文改进型粒子群算法搜索定位快于基本粒子群算法、量子粒子群算法，从最佳适应度函数值变化曲线验证改进型粒子群算法的收敛精度优于基本粒子群算法和量子粒子群算法。但是用最佳适应度函数值变化曲线可能会存在偶然性，于是又引入粒子的平均适应度函数值变化曲线来验证算法性能，图 3.3 是粒子的平均适应度函数值随迭代次数的变化曲线。
24图 3.4 Sphere、Shaffer、Griewank、Rastrigrin 的测试结果表 3.3 是基本粒子群算法、量子粒子群算法、本文改进的粒子群算法用四个测试函数测试用的时间。表 3.3 三种算法搜索时间比较测试函数 基本粒子群算法 量子粒子群算法 改进型粒子群算法Sphere 0.0345s 0.1119s 0.0446sShaffer 0.0595s 0.1084s 0.0502sGriewank 0.1034s 0.1215s 0.0806sRastrigrin 0.0451s 0.1145s 0.0405s图 3.5 是每次迭代粒子平均适应度函数值随迭代次数的变化情况。
【参考文献】：
期刊论文
[1]基于Matlab图像处理方法的桥梁裂缝宽度检测研究[J]. 晋民杰,黄智,韩智强,韩飞. 中外公路. 2017(05)
[2]基于差分进化的混合智能优化算法及其节能优化应用[J]. 高立群. 煤矿机械. 2017(10)
[3]基于粒子群优化SVM的苹果图像分割[J]. 黄奇瑞. 湖北文理学院学报. 2015(08)
[4]基于微粒群算法的Buck-Boost矩阵变换器主电路参数优化[J]. 黄毅,张小平,吴亮红. 湖南科技大学学报(自然科学版). 2014(04)
[5]基于最大类间方差法的肝脏CT图像分割及实现[J]. 彭微. 信息技术. 2014(03)
[6]求解一类非线性二层多目标规划的粒子群方法[J]. 邹从义,洪云飞. 长江大学学报(自科版). 2014(07)
[7]基于量子最大熵多阈值算法的图像分割研究[J]. 张俊娜,冯云芝. 激光与红外. 2013(05)
[8]基于动态聚集距离的多目标粒子群优化算法及其应用[J]. 刘丽琴,张学良,谢黎明,李明磊,温淑花,卢青波. 农业机械学报. 2010(03)
[9]图像分割的新理论和新方法[J]. 许新征,丁世飞,史忠植,贾伟宽. 电子学报. 2010(S1)
[10]图像阈值分割算法研究[J]. 郭臻,陈远知. 中国传媒大学学报(自然科学版). 2008(02)
博士论文
[1]基于偏移场的核磁共振脑图像分割算法研究[D]. 车娜.吉林大学 2013
[2]基于目标级联法和智能优化算法的车间调度问题研究[D]. 黄英杰.华南理工大学 2012
[3]细菌觅食优化算法的改进及应用研究[D]. 胡洁.武汉理工大学 2012
[4]基于磁共振颅脑影像的脑组织自动分割方法的研究[D]. 贾迪.东北大学 2011
[5]基于粒子群优化算法的图像分割研究[D]. 孙越泓.南京理工大学 2010
[6]脑核磁共振图像与虚拟人脑图像分割技术研究[D]. 陈允杰.南京理工大学 2008
硕士论文
[1]基于Multi-Agent的疏散模型研究[D]. 杨靖龙.北京工业大学 2017
[2]MRI脑部组织分割方法研究[D]. 谈磊.电子科技大学 2017
[3]基于机器视觉的冷轧极薄带钢缺陷检测与分类研究[D]. 周海英.江南大学 2016
[4]汽轮机及其调节系统参数高效辨识算法及系统研究[D]. 甘飞.重庆大学 2016
[5]无线传感器网络移动充电低时延数据收集策略研究[D]. 于志博.天津大学 2016
[6]基于粒子群优化算法的最大熵多阈值图像分割研究[D]. 路亚缇.郑州大学 2015
[7]基于改进粒子群算法和三维Otsu的图像分割研究[D]. 彭尧.武汉理工大学 2015
[8]基于MACF的物体检测及中心定位[D]. 李蕾.中北大学 2014
[9]复合材料压力容器有限元分析及其优化设计[D]. 林张欢.华中科技大学 2014
[10]基于几何活动轮廓模型的图像分割方法研究[D]. 薛哈乐.东北大学 2012
本文编号：3559290
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
Sphere、Shaffer、Griewank、Rastrigrin的测试结果
3 改进型粒子群最大熵多阈值分割表 3.1 三种算法搜索时间比较测试函数 基本粒子群算法 量子粒子群算法 改进型粒子群算法Sphere 0.0146s 0.1152s 0.0139sShaffer 0.0317s 0.1165s 0.027sGriewank 0.0351s 0.1259s 0.0312sRastrigrin 0.0201s 0.1167s 0.0138s从三种粒子群算法对测试函数搜索定位的时间分析，本文改进型粒子群算法搜索定位快于基本粒子群算法、量子粒子群算法，从最佳适应度函数值变化曲线验证改进型粒子群算法的收敛精度优于基本粒子群算法和量子粒子群算法。但是用最佳适应度函数值变化曲线可能会存在偶然性，于是又引入粒子的平均适应度函数值变化曲线来验证算法性能，图 3.3 是粒子的平均适应度函数值随迭代次数的变化曲线。
24图 3.4 Sphere、Shaffer、Griewank、Rastrigrin 的测试结果表 3.3 是基本粒子群算法、量子粒子群算法、本文改进的粒子群算法用四个测试函数测试用的时间。表 3.3 三种算法搜索时间比较测试函数 基本粒子群算法 量子粒子群算法 改进型粒子群算法Sphere 0.0345s 0.1119s 0.0446sShaffer 0.0595s 0.1084s 0.0502sGriewank 0.1034s 0.1215s 0.0806sRastrigrin 0.0451s 0.1145s 0.0405s图 3.5 是每次迭代粒子平均适应度函数值随迭代次数的变化情况。
【参考文献】：
期刊论文
[1]基于Matlab图像处理方法的桥梁裂缝宽度检测研究[J]. 晋民杰,黄智,韩智强,韩飞. 中外公路. 2017(05)
[2]基于差分进化的混合智能优化算法及其节能优化应用[J]. 高立群. 煤矿机械. 2017(10)
[3]基于粒子群优化SVM的苹果图像分割[J]. 黄奇瑞. 湖北文理学院学报. 2015(08)
[4]基于微粒群算法的Buck-Boost矩阵变换器主电路参数优化[J]. 黄毅,张小平,吴亮红. 湖南科技大学学报(自然科学版). 2014(04)
[5]基于最大类间方差法的肝脏CT图像分割及实现[J]. 彭微. 信息技术. 2014(03)
[6]求解一类非线性二层多目标规划的粒子群方法[J]. 邹从义,洪云飞. 长江大学学报(自科版). 2014(07)
[7]基于量子最大熵多阈值算法的图像分割研究[J]. 张俊娜,冯云芝. 激光与红外. 2013(05)
[8]基于动态聚集距离的多目标粒子群优化算法及其应用[J]. 刘丽琴,张学良,谢黎明,李明磊,温淑花,卢青波. 农业机械学报. 2010(03)
[9]图像分割的新理论和新方法[J]. 许新征,丁世飞,史忠植,贾伟宽. 电子学报. 2010(S1)
[10]图像阈值分割算法研究[J]. 郭臻,陈远知. 中国传媒大学学报(自然科学版). 2008(02)
博士论文
[1]基于偏移场的核磁共振脑图像分割算法研究[D]. 车娜.吉林大学 2013
[2]基于目标级联法和智能优化算法的车间调度问题研究[D]. 黄英杰.华南理工大学 2012
[3]细菌觅食优化算法的改进及应用研究[D]. 胡洁.武汉理工大学 2012
[4]基于磁共振颅脑影像的脑组织自动分割方法的研究[D]. 贾迪.东北大学 2011
[5]基于粒子群优化算法的图像分割研究[D]. 孙越泓.南京理工大学 2010
[6]脑核磁共振图像与虚拟人脑图像分割技术研究[D]. 陈允杰.南京理工大学 2008
硕士论文
[1]基于Multi-Agent的疏散模型研究[D]. 杨靖龙.北京工业大学 2017
[2]MRI脑部组织分割方法研究[D]. 谈磊.电子科技大学 2017
[3]基于机器视觉的冷轧极薄带钢缺陷检测与分类研究[D]. 周海英.江南大学 2016
[4]汽轮机及其调节系统参数高效辨识算法及系统研究[D]. 甘飞.重庆大学 2016
[5]无线传感器网络移动充电低时延数据收集策略研究[D]. 于志博.天津大学 2016
[6]基于粒子群优化算法的最大熵多阈值图像分割研究[D]. 路亚缇.郑州大学 2015
[7]基于改进粒子群算法和三维Otsu的图像分割研究[D]. 彭尧.武汉理工大学 2015
[8]基于MACF的物体检测及中心定位[D]. 李蕾.中北大学 2014
[9]复合材料压力容器有限元分析及其优化设计[D]. 林张欢.华中科技大学 2014
[10]基于几何活动轮廓模型的图像分割方法研究[D]. 薛哈乐.东北大学 2012
本文编号：3559290
本文链接：https://www.wllwen.com/linchuangyixuelunwen/3559290.html
最近更新
教材专著
