基于多目標(biāo)粒子群優(yōu)化算法的圖像分割算法.pdf

1、圖像分割是對(duì)圖像進(jìn)行一個(gè)預(yù)處理的過(guò)程，是圖像處理的關(guān)鍵步驟，其分割結(jié)果將直接影響后期圖像分析。傳統(tǒng)的圖像分割有邊緣檢測(cè)法、閾值分割法、區(qū)域分割法和聚類分割法。根據(jù)每個(gè)方法各自的優(yōu)勢(shì)和缺陷，對(duì)于不同的分割圖像我們可選擇不同的分割方法。因此圖像分割沒有統(tǒng)一的分割算法。隨著群智能算法在圖像分割中的廣泛應(yīng)用，圖像分割的效果得到了不同程度的改善。但是仍然存在分割結(jié)果單一，靈活度不強(qiáng)的問題。為了改善這一問題，本文將多目標(biāo)優(yōu)化算法思想引入圖像分割中。

2、
　　由于多目標(biāo)優(yōu)化算法存在解集分布性較差和高維目標(biāo)下收斂性不好的問題，本文在已有算法的基礎(chǔ)上，提出了改進(jìn)的多目標(biāo)粒子群優(yōu)化（IMOPSO）算法。首先利用Kent映射的均勻遍歷性對(duì)種群進(jìn)行初始化，其次在運(yùn)算過(guò)程中加入線性遞減的擾動(dòng)系數(shù)并用混沌進(jìn)行擾動(dòng)，最后用改進(jìn)的快速排序法構(gòu)造非支配解集。將算法時(shí)間的復(fù)雜度由O(MNlogN)降低到O(MN)。通過(guò)仿真實(shí)驗(yàn)證明IMOPSO算法不論在解得收斂性還是解得分布均勻性上都優(yōu)于經(jīng)典的NSGA