新型智能优化算法及其在图像分割中的应用研究

近年来,随着人工智能和人工生命的兴起,出现了很多新型的群体智能优化算法,比较典型的有人工鱼群算法、细菌觅食算法和人工蜂群算法,由于这些算法产生时间相对较晚,在图像处理中的应用还非常少。 图像分割是图像处理到图像分析的关键步骤,它的质量会直接影响后序图像分析和图像理解的效果,因此,快速、高效的分割方法一直是研究人员的关注热点。本文以2002年后产生的新一代群体智能优化算法为重点,分析其原理、特点,并尝试将它们应用到图像分割技术中,主要创新性成果体现在： (1)深入分析人工鱼群的“聚群”、“追尾”和“觅食”等行为模式,并从保存最优个体的角度,对之进行改进。在此基础上,提出了一种基于人工鱼群改进算法的SAR图像阈值分割方法,该方法首先对待分割图像进行三级平稳小波变换预处理,然后,利用重构图像及其均值图像的二维直方图来构造类间离散度矩阵的迹作为AFSA的适应度函数。最后,利用改进人工鱼群算法的快速寻优能力来找出最佳阈值。实验结果表明,与传统的基于人工鱼群算法的图像分割方法相比较,该方法在分割质量和分割速度方面均有明显提高。 (2)深入分析细菌觅食算法中菌群的“趋化”、“复制”和“驱散”等行为模式,从缩小搜索域空间的角度,对之进行改进。在此基础上,提出了一种基于改进细菌觅食算法的SAR图像阈值分割方法。该方法采用改进的二维灰熵模型作为细菌觅食算法的适应度函数,通过菌群的趋化、复制和驱散三种行为模式并行搜索最佳阈值。实验结果初步显示,该方法在收敛速度、稳定性和分割效果三个方面,优于基于遗传算法和人工鱼群算法的图像分割方法。 (3)深入研究人工蜂群中“采蜜蜂”、“观察蜂”和“侦察蜂”的行为模式,利用小波变换、灰熵模型和人工蜂群算法,提出一种基于二维灰熵和人工蜂群算法的SAR图像快速分割方法。该方法首先对经过小波域低频系数重构得到的概貌图像进行二次噪声抑制,得到滤波图像,然后对小波域的高频信息进行重构得到梯度图像,再以这两个图像为基础,构造滤波-梯度共生矩阵,接下来,通过构造灰熵模型作为人工蜂群算法的适应度函数。最后,利用蜂群的群体智能来快速地确定最佳阈值。实验结果表明,该方法优于基于遗传算法、人工鱼群算法的并行分割方法。 (4)提出了一种基于灰度形态学和人工蜂群算法的图像分割方法,该方法首先对待分割图像做灰度形态学的预处理来抑制图像噪声,然后,利用二维Otsu法设计人工蜂群算法的适应度函数；最后,利用人工蜂群算法的并行寻优能力快速逼近最佳阈值。实验结果显示,该方法在分割红外图像和SAR图像时,分离出来的目标更精确,更加适合后序的图像分析与处理。