论文部分内容阅读
阈值法和模糊C均值(FCM)算法是图像分割算法中应用较为广泛的算法。阈值法因其算法实现简单、时间复杂度小,成为了图像分割领域中普遍使用的分割算法。阈值算法虽然有多种形式,但是绝大多数获得阈值的方法依然脱离不了穷举计算的方式,在多阈值分割中会产生计算量大、耗时长的问题。另外,FCM算法作为聚类算法中用于图像分割领域应用最为广泛的算法,具有结构简单,收敛速度快等优点；但是,FCM算法本身的缺陷是对于算法聚类中心的初始值要求很严格,此不足可能会因为聚类中心初始化不当造成陷入局部最优的问题。因此,为了弥补上述传统图像分割算法的缺陷,本文提出了一种基于细菌觅食算法的分割方法。细菌觅食算法(Bacterial Foraging algorithm,简称BFA)是一种高效的求解问题的仿生随机优化算法。因为其具有鲁棒性,并行性,易跳出局部极小值等优势,所以非常适用于解决较复杂的搜索优化问题。而阂值法和FCM算法的图像分割问题都可以转化为搜索优化问题,这为解决图像分割问题提供了一种新的且有效的方法。但是,BF算法是源自于大肠杆菌群体觅食行为的模拟,其理论基础还不完善,且算法自身的原因还存在着早熟和收敛慢得缺陷,需要进一步研究改善。因此,本文主要是对传统细菌觅食算法进行改进,并在此基础上将改进的算法用于解决图像分割中存在的问题,主要的研究工作如下：1.针对传统细菌觅食算法的收敛性慢和易早熟问题做出了改进,提出了一种基于微粒群优化策略的自适应觅食算法(adaptive bacterial foraging algorithm oriented by particle swarm optimization strategy,简称ABF-PSO)。其主要思想是利用微粒群策略调整细菌朝群体最优的方向运动,并且利用自适应步长代替细菌的固定步长,避免算法陷入局部最优,这样就能达到快速收敛和找到最优的目的。最后,对此做了大量的测试函数仿真实验,实验结果表明,该方法的收敛速度有了极大地提高,能够找到全局最优。2.基于上述ABF-PSO算法的实验分析,将其用于弥补最大类间方差算法和最大熵算法多阈值分割的缺陷。通过实验表明：本文的方法不仅能够快速找到图像的阂值最优组合而且能取得很好的分割效果。3.利用ABF-PSO算法提高FCM算法图像分割的性能。通过实验分析表明：本算法对于解决FCM算法的图像分割问题具有比较好的效果。