论文摘要：面向图像分割的群体智能算法性能分析与优化方法研究

群体智能是一种组合优化问题求解的新兴方法，这种数学方法以出色的并行求解能力引起了研究人员的重视，带动并产生了很多新的应用成果。然而作为一种新生事物，群体智能的数学模型处理图像时缺乏理论指导，模型参数多是经验值，加之生物种群迁徙的多样性和随机性，使得不同的智能群体处理数字图像的性能有很大差异。
本文选题“面向图像分割的群体智能算法性能分析与优化方法研究”，目的是以图像分割为应用背景，在基本群体智能优化算法的理论分析基础上，研究有效的群体智能优化算法的性能评价指标，对比分析不同群体智能优化算法的性能。同时，通过改进基本群智能算法或者将不同的群体智能优化算法进行结合，提高图像分割性能，主要创新性工作包括：
(1)搭建跨种群的群体智能优化算法性能对比平台，制定不同群体智能优化算法之间进行性能对比时的参数设置原则，并在图像分割应用背景下提出了基于稳定收敛代数、收敛关联度和收敛面积的群体智能优化算法性能评价指标。在此基础上，以二维Otsu为适应度函数，进行了遗传算法、粒子群优化算法、人工鱼群算法、细菌觅食算法和人工蜂群算法的性能对比分析与验证实验，结果表明：借鉴群体中较优或最优个体信息的智能群体的求解能力优于未参考较优或者最优个体的智能群体。
(2)深入分析基本细菌觅食算法的行为特征，针对基本细菌觅食算法在步长较大时不易快速找到最优解问题，提出一种改进细菌觅食算法。改进细菌觅食算法中，细菌执行趋化行为时可以有效参考种群中最优个体的信息，在步长较大时仍可快速准确地找到最优解。改进细菌觅食算法用于图像分割时，基于稳定收敛代数、收敛面积与收敛关联度的评价指标显示，改进细菌觅食算法与粒子群优化算法、人工蜂群算法和基本细菌觅食算法相比，收敛性最优且最稳定。
(3)深入分析基本人工鱼群算法的行为特征，结合细菌觅食算法中趋化行为的连续前进行为，对基本人工鱼群算法进行改进。改进人工鱼群算法中，鱼的3种行为模式均可连续前进，这进一步提升了人工鱼个体更快地向较优方向运动的能力。改进人工鱼群算法用于图像分割时，基于稳定收敛代数、收敛面积与收敛关联度的评价指标显示，改进人工鱼群算法与细菌觅食算法、人工蜂群算法、粒子群优化算法以及基本人工鱼群算法相比，收敛性最优且最稳定。
(4)深入分析基本蜂群算法的行为特征，对蜂群中采蜜蜂和观察蜂发现新蜜源公式进行改进，减小产生较差蜜源的可能性。改进人工蜂群算法用于图像分割时，基于稳定收敛代数、收敛面积与收敛关联度的评价指标显示，改进人工蜂群算法与细菌觅食算法以及基本人工蜂群算法相比，收敛性较优且较稳定。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://www.87cpy.com/240639.html