研究生学位论文开题报告登记表 研究生学位论文开题报告表 姓 名 院 .docVIP

研究生学位论文开题报告登记表 研究生学位论文开题报告表 姓 名 院、系（所） 学 科 专业 攻读学位 研 究 方向 指导教师 拟定学位论文题目：蚁群算法在影像处理与分析中的应用研究 参加开题报告教师人数 参加旁听学生人数 开 题 报 告 组 成 人 员 姓 名 职 称 所 在 工 作 单 位 1 研究的目的和意义）①影像的自动分割；②影像特征的提取和选择；③分类识别技术。 对于问题1，因为图像本身的复杂性，至今，尚无通用的分割理论和方法。本质原因在于没有一种通用的指导图像分割的质量评价标准，因而也就没有一种适合于所有图像的通用的分割算法，这是目前图象分割所面临的最大困难。从现阶段来看，现存的各种自动化分割算法大都是基于某种具体问题的，针对具体的某类影像或者某几类影像建立一种“比较合适”的评价标准，并在该标准的指导之下设计分割算法。按照这些标准设计出来的算法，大多数存在如下两类问题： 1，算法分割质量比较好，但是所需计算时间相对也较长。比如各种基于某种目标函数的选取阈值的方法，如果是求单个阈值的话它们的原始方法都需要对256个灰度级进行遍历，如果是双阈值的话则有256×256种组合，所要分割的种类越多，计算呈几何级数上升。 2，算法的计算速度比较快，但是往往容易陷入局部最优解，分割质量得不到保证。这类方法如C-Mean 和FCM等等。 特别是对于此外，航空影像上反映出了很多的目标细节，纹理信息非常丰富，即使在同一张像片上由于光照，阴影等原因同一种目标的表现形态都可能会有较大差异，这就导致了同一类目标识别的“不确定性”问题，现有的一些算法对此类问题的处理能力存在不足，致使它们在实际工作中效率不高。如何快速搜索和提取最适用于地物目标识别的本质特征或者特征组合和提高同一类目标识别的“准确性“成为航空影像地物半自动提取的一个瓶颈问题。因此选择一种有效的纹理特征或者几种特征组合是达到完成航空影像分类识别的基本条件。 对于上述问题，我们想到解决方案是对于图像分割的第一类问题，减少第一类算法所需的计算时间；对于第二类问题，在付出很少的时间代价的前提下，希望能够对影像分割的质量能有比较明显的改善。而影像的特征提取和选择问题可以当成离散组合优化问题进行求解，上述解决方案均可归纳为一种优化求解问题，是一种寻优过程，可以通过优化方法加以改善。常规的优化算法虽然能迅速找到接近最优的解，但因其局部寻优能力有限，往往难以获得最优解，而蚁群算法是一种新兴的最优化算法，它具有自组织、自适应的特性，具有很强发现最优解且不易陷入局部最优的能力。针对影像解译中存在的上述待解决问题，能够提供有力的帮助。基于它，我们可以改善现有的一些算法在影像像解译中应用的性能。 蚁群算法是由意大利学者M. Dorigo等人于1991年首先提出来的一种新的“仿生学”方法，是对真实蚁群行为研究而提出的模拟生物智能算法，属于随机搜索算法。其基本原理如下：蚂蚁在运动过程中，能够在它所经过的线路上留下一种称之为信息素（pheromone）的物质以进行群体间信息交互。在运动过程中蚂蚁能够感知信息素的存在及浓度，并倾向于朝着信息素浓度高的方向移动。假设从蚁巢到食源之间有一长一短两条线路，开始时刻两条线路上都没有信息素留下，蚂蚁选择这两条线路的概率是相等的。但是经过一段时间以后，选择较短线路的蚂蚁先返回，这时根据线路上信息素的浓度，更多的蚂蚁倾向与选择较短的那条线路。如此循环，较短的那条线路上信息素浓度越来越高，选择它的蚂蚁也越来越多，形成“正反馈”现象，最终几乎所有的蚂蚁都在短的那条线路上往返。蚂蚁个体之间通过这种协同的方式进行信息交流，从开始无序的，无一定方向的运动，到最终能找到从蚁穴到食物源的最短路径。模拟这种协同行为的蚁群算法具有自组织和自学习的能力。虽然蚁群算法的研究刚刚起步，但初步的研究已经显示出蚁群算法在求解复杂优化问题（特别是离散优化问题）方面的优越性，蚁群算法正逐渐引起众多研究者的注意，越来越多的人利用该算法来解决各种工程中的优化难题。影像解译中的很多问题可以转换为优化问题，因此运用蚁群算法来求解是合适的。 2 国内外研究状况和发展趋势）,初步的研究结果已显示出该算法在求解复杂优化问题（特别是离散优化问题）方面的优越性。目前对蚂蚁算法的研究热点主要包括两个方面：①蚁群算法的基础理论研究；②蚁群算法在各种实际问题中的应用。 蚁群算法的理论研究 蚁群算法的基础理论成果主要包括两个方面：①蚁群优化算法收敛性的证明；②蚁群算法的改进及和其他算法的融合。 ⑴收敛性的证明：Stutzle 和Dorigo