基于差分免疫进化算法的图像分割和相位解缠绕-电子与通信工程专业论文.docxVIP

摘要 I 摘 要 差分免疫克隆算法作为一种智能优化算法，主要用于寻找全局最优结果。该 算法采用两个种群协同进化的策略，保持了种群的多样性，并通过克隆增殖、克 隆选择及差分交叉变异操作使得算法向最优解方向不断进化，其具有高度并行性， 能以较快收敛速度和较大概率获得全局最优解。 本文主要基于差分免疫克隆聚类算法展开研究，所探讨研究的三种新算法均 是在该算法的基础上，利用替代或者加入其他算法的方式，获得一种新的更优的 算法。并通过实验分别验证了新算法在解决图像分割问题或相位解缠绕问题方面 的优越性。本文所论述的主要内容可概括如下： (1) 提出了免疫密母聚类算法。该算法是在差分免疫克隆聚类算法的基础上， 将差分进化算法用密母算法替代，并采用密母算法和免疫克隆选择算法分别对两 个种群进行协同进化。同时研究还通过对 9 幅图像的分割实验，分别验证了该算 法中两个种群协同进化策略与传统的单个种群进化算法相比的优越性，与在全局 搜索、局部搜索和收敛速度等方面与差分免疫克隆聚类算法结果相比的优越性。 (2) 提出了粗糙集与差分免疫模糊聚类算法。该算法在差分免疫克隆聚类算 法的基础上，将差分免疫克隆聚类算法中的硬聚类变成模糊聚类，能够获得更丰 富的聚类信息。粗糙集的优势是处理不确定的数据，因此加入粗糙集模糊聚类后 更有利于解决不确定性问题。研究通过对 9 幅图像分割实验结果与四个算法的对 比，验证了该算法在聚类性能稳定性方面的优越性，结果还同时证明了该算法具 有更高的分割正确率和更精确的分割结果。 (3) 提出了免疫克隆混合算法。该算法在差分免疫克隆算法的基础上，将差 分进化算法用混合遗传算法替代，用两个种群协同进化来增加种群多样性，这两 个种群分别应用免疫克隆选择算法和混合遗传算法进行进化。该算法解决了混合 遗传算法在解决枝切相位解缠绕问题时由于早熟和稳定性差有时会得不到满意结 果的问题。研究通过在仿真和真实相位解缠绕图上的实验，验证了该算法相对于 混合遗传算法具有更准确的相位解缠绕结果和更快的收敛速度。 本课题得到国家 863 项目（ No.2009AA12Z210 ），陕西省自然科学基金 （2010JQ8023），中央高校基本科研业务费（K50510020011）资助。 关键词：差分免疫克隆 免疫密母 粗糙集 图像分割 相位解缠绕 Abstract  III Abstract Differential Immune Clone Algorithm as a kind of intelligent optimization algorithm, is used to find the global optimal results. The algorithm adopts two population evolution at the same time and maintain the population diversity. Through clonal reproduction, clonal selection, crossover and mutation operators makes algorithm to the optimal solution direction continuously evolved, high parallelism of this algorithm can obtain the global optimal solution with fast convergence speed and larger probability. This paper mainly research the Differential Immune Clone Clustering Algorithm. By using alternative or adding other algorithm to improve Differential Immune Clone Clustering Algorithm and get more optimal algorithms. These algorithms proposed in this paper have good performance in image segmentation problem and phase unwrapping problem. The main work in this paper summarized as follows: Immune Memetic Clustering Algorithm is proposed, this algorithm is based on Difference Immun