论文部分内容阅读
图像分割是一种计算机视觉技术,也是图像处理的关键步骤之一。图像分割不是将图像简单的分成几个互不相交的子区域,而是分离背景,获取感兴趣的目标物体的过程,对图像进行精简处理,减少无关信息对目标物体研究的影响。特征计算、目标识别等基于图像分割结果的研究与分割质量有直接关系,良好的分割结果有利于图像进一步的分析与理解。所以,提高图像分割结果的精度一直是研究的热点问题。Normalized Cut分割方法求解过程实际上是一个NP问题,传统计算方法存在时间长,结果精度低等问题。群智能优化算法可以通过模拟生物信息交互优化求解精度,烟花算法是近年来新型群智能优化算法之一。本文将烟花算法(Fireworks Algorithm,FWA)与Normalized Cut分割方法结合起来并应用在彩色图像分割中。以下是本文的主要研究内容:(1)自适应烟花算法(Adaptive Fireworks Algorithm,AFWA)优化Normalized Cut的彩色图像分割方法。具体操作过程如下:对待分割图像进行模糊C均值(Fuzzy C-means,FCM)处理生成若干个最大区域,将其结果映射成无向带权图,通过自适应烟花算法求解Ncut最优值,并根据优化结果指导彩色图像分割。自适应烟花算法爆炸半径在优化过程中动态变化,搜索前期半径较大,在可行域内进行勘探性搜索,半径随着迭代过程逐渐减小,着重对较优区域进行开采性搜索,进一步提高优化结果的精度。通过相关实验证明自适应烟花算法优化图像分割的有效性。(2)基于禁忌搜索的烟花算法(Adaptive Fireworks Algorithm based on Tabu Search,TSAFWA)优化Normalized Cut的彩色图像分割方法。基于禁忌搜索的烟花算法主要是在自适应的烟花算法中加入了禁忌表,禁忌表用于存储在迭代过程中获取的局部最优值及其标记信息,对禁忌表中存储的信息,不搜索或者有选择地搜索,避免陷入局部最优。基于禁忌搜索的烟花算法优化Normalized Cut分割方法,并根据优化结果指导彩色图像分割,通过相关实验证改进算法优化分割的有效性。(3)将优化的Normalized Cut分割方法应用于农业,本文提供了一个集合多种群智能算法优化Normalized Cut分割方法的分割系统,根据图像的相关信息可以调整对应优化方法的核心参数,通过FCM分块图、迭代过程中Ncut折线图和分割结果图来反映分割过程。本文中以石榴园为例,采集石榴园中的图像进行分割,将石榴果实作为目标物从图像中提取出来,分割结果可以作为判断石榴生长状态发的重要依据,在农业自动化方面的发展有比较重要的意义。