改进人工鱼群算法用于图像分割的研究-计算机应用技术专业论文.docx

万方数据 万方数据 摘 要 摘 要 本文主要针对图像分割问题进行研究，通过广泛的算法对比，选择使用人工鱼 群算法（Artificial Fish Swarm Algorithm,AFSA）完成图像边缘检测，结合模糊 C 均 值聚类算法完成图像分割实验。 由于该算法具有对初值和参数选择不敏感、鲁棒性强、简单、易于实现，且具 备并行处理能力和全局搜索能力等方面优点，因此在图像分割技术中的关键问题 ----极值问题的优化处理效果较为突出。所以，文章在着重利用 AFSA 的优点的同 时对 AFSA 不完善的地方进行改进，将改进后的 AFSA 算法应用在图像边缘检测，然 后推广到通用图像的分割技术中。主要研究工作如下： 首先，提出了一种基于差分进化变异算子的人工鱼群算法，将变异算子引入到 人工鱼群算法中，对人工鱼的个体行为进行了优化改进，提高了原算法的收敛速度 和抗噪性能，并应用到图像边缘检测中，得到较理想的分割效果。 其次，将人工鱼群算法的应用推广到通用图像分割技术中，利用人工鱼群算法 的自适应的特点，通过对人工鱼群算法的改进，提出了基于模糊 C 均值聚类的人工 鱼群算法，解决了传统模糊 C 均值算法需要确定初始分类数和初始聚类中心的问 题。通过图像分割仿真实验与收敛值的对比，证明了此算法具有较好的分割效果。 总之，论文就人工鱼群图像分割算法进行了研究和探讨，通过多种手段改进了 人工鱼群算法的收敛速度。最后通过对灰度图像的实验仿真表明了提出算法的有效 性，拓展了人工鱼群算法的应用范围。 关键词：图像分割；人工鱼群算法；群智能；优化；模糊 C 均值聚类 – I – Abstract Abstract The paper was mainly studied for image segmentation problem,which contrast with extensive algorithm,choose to use AFSA to complete image edge detection,combinging the fuzzy c-means clustering complete the image segmentation experiment. Because the algorithm is not sensitive for the initial value and parameters selection,strong robustness,simple,easy to realize, have parallel processing ability and the global search ability and so on,so the key technology in the image segmentation problem-the extremum problems design optimization effect was more important.Next,the same time ,based on the advantages of AFSA,improvement AFSA drawbacks,used the improved AFSA algorithm in image edge detection,and then spread to the general image segmentation technology.The main reaearch works are as follows. First,AFSA based on differential evolution is proposed,the mutation operator is introduced to AFSA,optimized the individual behavior of artificial fish,improved the algorithm convergence speed and antinoise performance,and applied to the image edge detection,get ideal test charts. Secondly,extend AFSA application to general image segmentation technology.Using the characteristics of artificial fish’s self-adaptive,AFSA based on fuzzy c-means clustering algorithm is proposed.Through the