亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于新型混合智能算法的圖像分割方法

        2022-06-11 09:44:46劉俊梅馬永剛
        河南科學(xué) 2022年5期
        關(guān)鍵詞:智能算法直方圖灰度

        劉俊梅, 馬永剛

        (榆林學(xué)院數(shù)學(xué)與統(tǒng)計學(xué)院,陜西榆林 719000)

        圖像分割是指將圖像分成若干互不重疊的子區(qū)域,使得同一個子區(qū)域內(nèi)的特征具有一定相似性、不同子區(qū)域間特征呈現(xiàn)較為明顯的差異. 圖像分割是圖像識別、場景解析、對象檢測等任務(wù)的預(yù)處理,是圖像進一步分析的基礎(chǔ),是計算機視覺中一項重要技術(shù),其主要任務(wù)是準(zhǔn)確地分離目標(biāo)和背景,為后期圖像識別和計算機視覺圖像處理提供參考.

        在國內(nèi)外眾多的分割算法中,閾值分割技術(shù)簡單有效、易于理解,難點是如何快速有效地搜索最優(yōu)閾值,準(zhǔn)確地分割目標(biāo)區(qū)域和背景區(qū)域. 為了進一步提高計算速度和效率,近年來國內(nèi)外許多學(xué)者將智能算法和最大熵閾值分割方法相結(jié)合,如多混沌人工蜂群和杜鵑搜索的最大二維熵圖像分割算法[1]、改進PSO算法在二維最佳閾值圖像分割中的應(yīng)用[2]、基于二維最大熵原理和改進GA 算法的圖像閾值分割[3]、基于改進DE算法的二維最大熵圖像分割[4],但整體效果仍有待提升.

        本文將基本DE算法進行了改進,融入多混沌系統(tǒng)和動態(tài)調(diào)整策略,并將改進后的混沌動態(tài)DE算法用于搜索最優(yōu)閾值,給出一種新的基于混合智能算法的圖像閾值分割方法(IHIAIS),并與文獻[2]等優(yōu)化算法進行了比較,進一步驗證了本文算法的性能.

        1 最大二維熵圖像分割法

        最大二維熵圖像分割法[5-7]以信息熵作為測度,利用圖像像素灰度值分布和領(lǐng)域平均灰度值分布構(gòu)建相應(yīng)的二維直方圖,然后計算最優(yōu)閾值,盡量最大化圖像中目標(biāo)與背景分布的信息量,由于區(qū)域灰度信息對噪聲的敏感程度低于點灰度信息,對于低信噪比的圖像,采用最大二維熵的圖像分割方法會取得較好的效果.

        取灰度級L=256,圖1表示某一圖像二維灰度直方圖在二維灰度平面投影圖,一般情況下,如果圖像的背景區(qū)域和目標(biāo)區(qū)域內(nèi)部比較均勻,二維直方圖內(nèi)(i,j)的概率分布在對角線附近較為集中,整體上呈現(xiàn)雙峰狀,邊界點、噪聲點的概率值偏離對角線.

        圖1 二維灰度直方圖平面投影圖Fig.1 Plane projection of two-dimensional gray histogram

        假設(shè)閾值向量(s,t)將二維直方圖劃分為四個區(qū)域A,B,C,D,其中A和B兩個區(qū)域分別表示目標(biāo)區(qū)域和背景區(qū)域,s,t∈{0 ,1,…,L-1},則:

        目標(biāo)區(qū)域A的概率

        背景區(qū)域B的概率

        其中:A={(i,j)|i=s+1,s+2,…,L-1;j=t+1,t+2,…,L-1} ,B={(i,j)|i=0,1,…,s;j=0,1,…,t} ,若遠離對角線部分的影響被忽略,則這里可以得到w0+w1=1.

        至此,得到B和A的概率分布,分別為:

        在施工過程中,建設(shè)各方積極深入各個治理區(qū)域的治理方案和治理施工管理,各個治理區(qū)域施工完成之后進行分單元、分區(qū)域驗收,在治理結(jié)束后,根據(jù)永久監(jiān)測資料和試驗檢測資料所反饋的信息,對整個自然邊坡的治理效果進行驗收評價。

        則B和A的區(qū)域熵分別為:

        根據(jù)最大熵原理,有

        H(s*,t*)=max{H(s,t)} .

        最大二維熵圖像閾值分割方法中最優(yōu)閾值的選擇本身就是一個優(yōu)化問題,獲得最優(yōu)閾值[8-9]存在參數(shù)多、計算量大、搜索范圍廣、計算速度慢等問題,這些方面有待進一步提高.

        2 基本差分進化算法[10]

        其中:rand()表示[0,1]內(nèi)均勻分布的隨機數(shù);CR 為交叉概率因子,范圍在[0,1]之間,以上交叉操作能保證xT至少要從xm中獲得一個坐標(biāo),否則新的向量就不會產(chǎn)生,種群就不會發(fā)生變化.

        DE算法在選擇操作中采用精英式保留策略,將試驗個體xT與目標(biāo)個體xti進行競爭,只有當(dāng)xT的適應(yīng)值優(yōu)于的適應(yīng)值,xT才被選作子代,否則直接將作為子代.

        3 基于新型混合智能算法的圖像分割方法

        3.1 改進差分進化算法

        在初始階段,引入混沌運動系統(tǒng),混沌就是由某一狀態(tài)得到的具有隨機性的運動狀態(tài),基本混沌系統(tǒng)[11]可以用以下公式來描述:

        式中:μ=3.99;(1)=0.597 000,2)=0.597 001,混沌初始化以后,將表示向上取整.

        將基本DE算法傳統(tǒng)變異方案進行更新,其操作方程[9]為:

        為了提高基本DE算法的優(yōu)化性能,交叉概率采用指數(shù)遞增方式,其更新狀態(tài)如下[9]:式中:a=30;CRmin=0.1,CRmax=0.9;t為當(dāng)前迭代次數(shù);Tmax為算法最大迭代次數(shù). 該動態(tài)CR 能很好地平衡局部搜索、全局搜索能力,使算法快速收斂.

        基本DE算法中比例因子F是控制種群收斂性和多樣性的重要參數(shù),它決定偏差向量的放大比,如果F的取值過大或者過小,都會有缺陷,本文選取文獻[4]中的自適應(yīng)比例因子,更新狀態(tài)如下:

        式中:Fmin=0.2,F(xiàn)max=1.8;t∈[1,Tmax-1],t為當(dāng)前迭代次數(shù),Tmax為算法最大迭代次數(shù). 比例因子F根據(jù)迭代次數(shù)進行調(diào)整,迭代初期F取值相對較大,可以保持種群的多樣性;在迭代后期,F(xiàn)的值減小,可以保留種群的良好信息,使算法快速收斂.

        3.2 新型混合智能算法基本思想

        本文對基本DE算法進行改進,加入初始化多混沌系統(tǒng)、新的變異方案、交叉概率的動態(tài)調(diào)整和比例因子,提高了算法的搜索性能.采用改進的動態(tài)DE 算法尋求全局最優(yōu)閾值,對最大二維熵閾值進行優(yōu)化,實現(xiàn)高效的圖像分割.

        該算法的基本思想:通過算法遍歷搜索圖像灰度空間,來得到目標(biāo)函數(shù)式(5)的最優(yōu)值,根據(jù)最優(yōu)閾值進行圖像分割.

        1)計算原始圖像二維直方圖.

        2)在搜索空間進行種群初始化,設(shè)置相應(yīng)參數(shù).

        3)根據(jù)改進DE算法進行變異、交叉、選擇操作,不斷更新記錄.

        4)直到達到終止條件,得到最優(yōu)閾值,從而獲得最大熵值對應(yīng)的像素點灰度和像素區(qū)域灰度均值二元數(shù)組(s*,t*).

        5)將(s*,t*)作為圖像分割的最優(yōu)閾值,最后進行圖像分割.

        算法流程圖如圖2所示.

        圖2 算法流程圖Fig.2 Algorithm flowchart

        4 實驗結(jié)果及分析[12-16]

        為了驗證本文給出的改進DE算法在最大二維熵圖像分割中的效果,實驗中選取灰度級為256的lena圖像,設(shè)置DE算法的搜索空間為256×256,DE算法中向量維數(shù)D=2,其中個體的兩個分量分別表示像素點灰度和像素區(qū)域灰度均值,取值范圍為[0,255]. 按照lena圖像二維直方圖,設(shè)置種群大小N=20,最大迭代次數(shù)Tmax=50,并將本文改進后的DE算法與文獻[1-4]中的算法進行比較. 圖3為lena圖像的二維灰度直方圖,圖4(a)為原始lena圖,圖4(b)、圖4(c)分別為本文算法和文獻[2]兩種算法對lena圖像的分割結(jié)果圖,與文獻[2]中的閾值分割方法相比,本文改進DE算法能夠更好地分割圖像.

        圖3 lena圖像二維灰度直方圖Fig.3 Two-dimensional grayscale histogram of lena image

        圖4 lena圖像及不同算法分割結(jié)果Fig.4 Lena image and segmentation results of different algorithms

        圖5是兩種算法的熵值迭代變化示意圖,可以看出,本文給出的算法利用改進多混沌動態(tài)DE算法的優(yōu)點,能夠更好地逼近最優(yōu)閾值,在收斂速度和收斂精度方面具有明顯的優(yōu)勢.

        圖5 本文算法熵值隨迭代次數(shù)變化結(jié)果Fig.5 The entropy changes of the algorithm in this paper with the number of iterations

        為了更好地評價算法,本文選擇lena 圖像,將改進GA 算法[3]、PSO 算法[2]、人工蜂群優(yōu)化算法[1]、改進DE 算法[4]、本文算法5種優(yōu)化算法進行最大二維熵圖像分割實驗對比,各種算法的基本參數(shù)如表1所示,每種算法分別實驗20次算法停止,得到最優(yōu)閾值、最大熵平均值和運行時間平均值,結(jié)果見表2.

        由表1 和表2 可以看出,在算法結(jié)果基本相似的情況下,本文算法的種群規(guī)模、迭代次數(shù)都比其他四種算法要小得多,在運行時間方面,該算法優(yōu)于改進GA 算法和ABC 算法,但略低于SOPSO和改進的DE算法. 本文算法通過添加多混沌系統(tǒng)、改變變異策略、并根據(jù)迭代次數(shù)動態(tài)調(diào)整交叉概率和比例因子,很大程度提升了計算最佳閾值的效率,降低了計算量并提高了計算速度.

        表1 五種優(yōu)化算法基本參數(shù)設(shè)置Tab.1 Basic parameter settings of five optimization algorithms

        表2 五種優(yōu)化算法實驗結(jié)果對比Tab.2 Comparison of experimental results of five optimization algorithms

        5 結(jié)語

        本文將多混沌動態(tài)DE 算法和最大二維熵圖像分割方法相結(jié)合進行圖像分割,充分發(fā)揮了兩種算法的優(yōu)勢. 實驗結(jié)果表明,該算法比常用的圖像分割方法具有更好的圖像分割效果和收斂速度效果,在搜索最優(yōu)閾值時有具有更好的魯棒性和收斂性.

        猜你喜歡
        智能算法直方圖灰度
        統(tǒng)計頻率分布直方圖的備考全攻略
        符合差分隱私的流數(shù)據(jù)統(tǒng)計直方圖發(fā)布
        采用改進導(dǎo)重法的拓撲結(jié)構(gòu)灰度單元過濾技術(shù)
        神經(jīng)網(wǎng)絡(luò)智能算法在發(fā)電機主絕緣狀態(tài)評估領(lǐng)域的應(yīng)用
        基于超像素的圖像智能算法在礦物顆粒分割中的應(yīng)用
        基于灰度拉伸的圖像水位識別方法研究
        用直方圖控制畫面影調(diào)
        從雞群算法看群體智能算法的發(fā)展趨勢
        基于最大加權(quán)投影求解的彩色圖像灰度化對比度保留算法
        改進的多目標(biāo)快速群搜索算法的應(yīng)用
        價值工程(2016年32期)2016-12-20 20:30:37
        国模吧无码一区二区三区| 免费高清日本一区二区| 可以直接在线看国产在线片网址 | 亚洲av少妇高潮喷水在线| 麻豆av一区二区三区| 欧美午夜精品久久久久久浪潮| 国产自精品在线| 成熟的女人毛茸茸色视频| 丝袜美腿一区二区三区| aaaaa级少妇高潮大片免费看| 无码高潮久久一级一级喷水| 精品人妻一区二区三区狼人 | 九色综合九色综合色鬼| 亚洲妓女综合网99| 视频网站在线观看不卡| 狼人伊人影院在线观看国产| 国精产品一区一区三区有限公司杨 | 亚洲tv精品一区二区三区| 亚洲一区亚洲二区中文字幕| 一本到在线观看视频| 国产精品白丝喷水在线观看| 中文字幕国产精品中文字幕| 日本人妻高清免费v片| 国产精品办公室沙发| 少妇激情av一区二区| 亚洲女同一区二区久久| 婷婷久久精品国产色蜜蜜麻豆| 亚洲一卡2卡3卡4卡5卡精品| 99re免费在线视频| 蜜桃一区二区三区在线视频| 人人爽久久久噜人人看| 999久久久免费精品国产| 无码AⅤ最新av无码专区| 性色av色香蕉一区二区蜜桃| 国产精品网站在线观看免费传媒 | 青青青伊人色综合久久亚洲综合| 国产自拍av在线观看| 免费国产成人肉肉视频大全| 亚洲一二三区在线观看| 国产黄色看三级三级三级| 欧美白人战黑吊|