基于粒子群优化算法的图像分割.docVIP

安康学院 学年论文﹙设计﹚ 题 目 学生姓名 学号 所在院(系) 专业班级 指导教师 年 月 日 基于粒子群优化算法的图像分割 （作者：） （） 指导教师： 【摘要】本文通过对粒子群优化算法的研究，采用Java编程，设计出一套用于图像分割的系统。基于粒子群优化算法的图像分割系统，可以将一幅给定的图像进行分割，然后将分割结果保存。图像分割的目的是将感兴趣的区域从图像中分割出来，从而为计算机视觉的后续处理提供依据。图像分割的方法有多种，阈值法因其实现简单而成为一种有效的图像分割方法。而粒子群优化(PSO)算法是一类随机全局优化技术，它通过粒子间的相互作用发现复杂搜索空间中的最优区域缩短寻找阈值的时间。因此，基于粒子群优化算法的图像分割以粒子群优化算法为寻优工具，建立具有自适应和鲁棒性的分割方法。从而可以在最短的时间内，准确地确定分割阈值。 关键词： 粒子群优化（PSO），图像分割，阈值法，鲁棒性 Abstract This paper based on the particle swarm optimization algorithm, designs a set of system for image segmentation using Java programming. Image segmentation system based on particle swarm optimization algorithm, the image can be a given segmentation, and then the segmentation results would be saved. Image segmentation is the purpose of the interested area from the image, thus providing the basis for the subsequent processing of computer vision. There are many methods of image segmentation, threshold method since its simple realization, becomes a kind of effective method in image segmentation. Particle swarm optimization (PSO) algorithm is a stochastic global optimization technique; it finds optimal regions of complex search spaces for threshold time shortened through the interaction between particles. Therefore, particle swarm optimization algorithm of image segmentation based on particle swarm optimization algorithm based on optimization tools; establish segmentation method with adaptive and robust. Therefore, it is possible for us in the shortest possible time to accurately determine the segmentation threshold. Key words: PSO, image segmentation, threshold method, robust. 1 引言 1.1 研究的背景和意义 技术的不断向前发展，人们越来越多地利用计算机来获取和处理视觉图像信息。据统计，人类从外界获取的信息中有80%是来源于视觉或者说是图像信息，这包括图形、图像、视频、数据、文本等。作为人类最有效的交流方式和信息获取，图像也因其所含的信息量大且表现直观而在多媒体技术中占据了重要地