基于蚁群算法和Cmeans法的图像分割方法.pdfVIP

第32卷第5期 长春师范学院学报(自然科学版) 2013年10月 V01．32No．5 of Normal 0ct．2013 Journal ChangchunUniversityOlaturalScience) 基于蚁群算法和C—means算法的图像分割方法 吴小菁，陈星娥 (福建江夏学院，福建福州350108) [摘要]在计算机飞速发展的背景下，计算机的图像处理技术渗入到各个行业中。图像分割作为 一种基本的图像处理技术，它的目的是把图像分成各具特征的区域，从中提取感兴趣的技术。针对 以前的C—means算法在图像分割应用中的缺陷，本文提出了新的基于蚁群算法和C—means算法 相结合的新型图像分割方法，它和蚁群算法以及C—means算法相比，具有明显的优点，能够获得更 好的分割质量。 [关键词]蚁群算法；C—means算法；图像分割方法；分析 [中图分类号]TPl8[文献标识码]A [文章编号]1008—178X(2013)05—0028—03 图像分割是对图像进行处理以及计算机视觉领域的最基础工作，具有很多种分割办法。而第一代编码技 术主要依据波形编码，利用像素来表示图像；第二代编码主要针对图像内容进行编码，其信源模型利用对图像 的划分，让它们变成很多不一样的对象，随后对每个对象进行编码，通过一个统一程序，发送运动的轨迹和纹 理。此外，可以参照人们视觉的爱好对象进行分配比特数。和波形的编码压缩法比较，这种方式具有更高的 效率，也为查询对象的内容夯实了基础。 1 蚁群算法基本原理 蚂蚁会在行走的路线上释放信息素以实现和其他蚂蚁的间接交流，启发了蚁群算法的诞生，该算法有信 息素挥发、正反馈两种机制¨-。从蚁穴到食物源会存在多条路径，但绝大多数蚂蚁都能选择出最短的路径， 就是利用了正反馈机制，因为单位时间内最短路径上通过的蚂蚁数量较多，信息素含量也就会随之增多，吸引 越来越多的蚂蚁，最终实现蚂蚁都经过最短路径寻找食物源或返回蚁穴；信息素挥发则可避免路径上信息素 含量的大幅增加。蚁群算法中的蚂蚁与现实中的蚂蚁存在区别：蚁群算法中的蚂蚁并不是完全依照信息素强 度进行路径选择，它们具有记忆区，而且还处在离散时间状态中。如图1可进行抽象说明：(口)表明蚁群蚂蚁 沿着A—E路径行走；(b)说明当出现障碍物时，蚂蚁们会分成两条路径行走；(c)显示绝大部分蚂蚁都会选择 较短路径行走，较短路径上聚集了更多的信息素，吸引越来越多的蚂蚁选择。 如图1所示，设定A点为蚁穴，E点是食物源，HC是障碍物。蚂蚁行走要绕开障碍物，有两种选择，经过日 食物源，路径上没有信息素，蚂蚁分开绕行，BH和BC均有15只蚂蚁选择，由于信息素会伴随时间的流逝而逐渐 挥发，如果蚂蚁群的运动速度一样，路径信息素的留余会和路径长度成反比，而蚂蚁算法和路径的概率与信息浓 径旧。o。照此推理，经较长时间运动后，选择DCB路径的蚂蚁会越来越多，最终都选择DCB路径。 [收稿日期]2013—06—19 [作者简介]吴小菁(1977一)，女，福建福州人，福建江夏学院电子信息科学学院讲师，硕士，从事智能计算及应用研究。 ·28· 万方数据 E E E C C A A ^ (n)担O时刻 (b)t=l时刻 (c)t=2时刻 图1蚂蚁觅食抽象图 2基于蚁群算法和C—means算法的图像分割算法 采用蚁群算法进行图像分割的主要指导思想是：由于图像分割是一种把图像中全部的像素记作不同类别 的过程，在应用蚁群算法求解时，蚂蚁会对