自然计算在图像分割方面应用探究研究.docVIP

自然计算在图像分割方面应用探究研究 　　摘要：自然计算是一种表示由自然启发的计算的一般性术语。图像分割就是把图像分成具有不同特性的区域并提取出感兴趣目标的技术和过程。由于图像分割实质上是一个组合优化问题，而自然计算算法在解决组合优化问题时有超越传统计算方法的性能。基于自然计算算法的图像分割技术成为图像分割领域的研究热点。 关键词：自然计算；图像分割；混合算法；蚁群算法；粒子群算法；化学反应算法 中图分类号：TN911 文献标识码：A 文章编号：1009-3044（2013）32-7319-02 自然界不只为人类提供了丰富的物质能源，还是人类社会智能化发展的源泉。人类对自然智能的最早学习和利用是仿生学，研究生物体的结构、功能和工作原理，并应用于工程技术。随着科技的发展，人工智能诞生，形成了计算机科学的新领域，它主要是利用人工机器模仿人的智能。自然计算理论的出现将人类对自然智能的研究推向了更广阔的领域，自然计算是继传统人工智能之后出现的一种全新的思维与智能计算模式，开辟了智能科学新的前沿。 1 自然计算 自然计算（Nature Computation，NC）是一种表示由自然启发的计算[1]的一般性术语，是仿生学和人工智能的进一步发展。一般而言，自然计算是指以自然界中物种进化原理、生物生存方式、物理化学现象、人类社会等自然中存在的一切事物作为可能的研究对象，通过研究它们的运作模式，分析其中所蕴含的丰富的信息处理机制，抽取计算模型，设计算法，并探索应用领域加以应用[2]。计算是自然的一种固有机制，是智能的基础。自然计算的特征就是比喻性地使用自然系统潜在的概念、原理和机制。通过研究自然现象，建立计算模型，应用于工程技术，进而服务于社会，这是自然计算的宗旨。 由于自然计算的本质是模仿自然界信息处理机制抽象出计算模型，其研究涉及现代自然科学的多个领域及近百种算法与计算框架，并且不断有新的算法和计算机制涌现。为了明确自然计算算法研究范畴和学科内涵，需要对其进行分类。根据各自然计算算法基于的不同的学科知识基础，可以将自然计算算法分为四类：基于物理学的自然计算算法、基于化学的自然计算算法、基于生物学的自然计算算法、基于人文社会学的自然计算算法。基于物理学的自然计算算法有：模拟退火算法（Simulated Annealing，SA）、量子计算（Quantum Computation，QC）、混沌优化、晶体生长算法（Crystal-Growth-Inspired algorithms，CGI）等。基于化学的自然计算算法有：化学反应优化（Chemical Reaction Optimization）。基于生物学的自然计算算法（一般称为仿生智能计算算法）又分为基于生物个体的算法（遗传算法、人工神经网络、免疫计算、内分泌计算、DNA计算、膜计算）和基于生物种群的算法（蚁群算法、粒子群算法、蜂群算法、人工鱼群算法等）。基于人文社会学的自然计算算法有文化算法、社会认知算法、Memetic计算、情感计算等。这些领域均以自然界中有益的信息处理机制为研究对象，具有模仿自然界的特点，通常具有自学习、自组织和自适应的特征，能够为传统算法难以解决的各类复杂问题提供新的解决方向，具有很好的应用前景。 2 图像分割 人类通过听觉、触觉、味觉、嗅觉和视觉感知周围事物。图像信息是视觉感知的主要内容，图像信息直观丰富，但人们往往只对其中的部分信息感兴趣，这些信息代表了人们观察图像的目标，这些目标通常占据一定的区域，并且在某些特性上（如灰度、轮廓、颜色、纹理等）和周围的图像有差别。图像分割就是把图像分成具有不同特性的区域并提取出感兴趣目标的技术和过程。图像分割是图像识别和图像理解前提和基础，图像分割质量的高低直接影响图像处理的效果。但没有一种通用的方法可以适用于所有的图像分割任务。图像分割是图像分析和计算机视觉中的经典难题。 3 基于自然计算算法的图像分割 3.1 可行性分析与研究意义 图像分割的性能易受多种因素影响，如图像的物理视觉特性、空间结构特性、纹理等，因此尚无普适的图像分割算法。为了提高图像分割算法的性能和普适性，在原有算法中融入新理论是图像分割发展的必然趋势。由于图像分割实质上是一个组合优化问题，而自然计算算法在解决组合优化问题时有超越传统计算方法的性能，基于自然计算算法的图像分割技术成为图像分割领域的研究热点。自然计算算法与图像分割相辅相成，自然计算算法提供了图像分割的新思路，图像分割拓展了自然计算算法的应用领域。 3.2 国内外研究现状 自然计算涉及算法较多，下面仅对蚁群算法、粒子群算法、化学反应算法在图像分割中的研究现状作代表性的阐述。 蚁群算法具有离散性和并行性特点，因而适用于数字