免费论文摘要：智能算法优化Normalized Cut的图像分隔

鉴于图论的分隔是连年来图像分隔中的接洽热门，个中Normalized Cut是一种典型化的情势，它将图像中的各个像素点视为图中的节点，将各像素点之间的一致度视为图中节点间边的权值，进而将图像映照为无向带权图。但最小化Normalized Cut规则是NP-hard题目。求解该NP-hard题目的好像解是对一致度矩阵举行谱领会，可获得好像最优解，即特性向量，用它引导图的Normalized Cut分别，并最后实行对图像的分隔。正文按照Normalized Cut的关系表面，对准谱聚类计划搀杂度高、精度差的缺陷，重要做了下述三上面的处事：(1) 提出了鉴于Normalized Cut规则的双阈值图像分隔本领。Normalized Cut的单阈值分隔本领在单目的灰度图像中固然赢得了较好的分隔截止，然而它不实用于对多目的图像的分隔，而且其权值计划公式没有商量像素点的邻域消息。正文先运用灰色关系领会中的B型关系度来评介像素间的一致性，此关系度同声商量了待比拟像素以及其邻域的关系消息。再将单阈值的Normalized Cut规则推导为双阈值分别规则，结果运用高效的粒子群优化算法来求解两个分隔阈值。该本领耗费时间少，可反复性高，不妨灵验地分隔多目的图像。(2) 提出了运用遗传算法优化Normalized Cut规则的灰度图像分隔本领。因为保守本领中最小化Normalized Cut规则运用的是谱聚类算法，该算法仅能求得好像最优解引导分隔，而没辙获得更透彻的值。正文先运用朦胧C均值聚类对灰度图像举行预处置，经过预处置不妨减小一致度矩阵的范围，贬低算法搀杂度。而后运用并行的遗传算法来包办谱聚类算法，求解Normalized Cut的最小值。当遗传算法进化实行后，最优染色体不妨包办特性向量来引导图的分别，并最后获得灰度图像的分隔截止。该算法的寻优本能比保守的谱聚类算法要好，所以不妨获得更让人合意的灰度图像分隔截止。(3) 提出了运用二进制分割粒子群算法优化Normalized Cut规则的真彩色图像分隔本领。因为真彩色图像中脸色消息过多引导其分隔耗费时间重要，正文先运用朦胧C均值聚类对真彩色图像中的R、G、B各通道辨别举行处置，而后将所得的三个截止取交加演算，以此获得具备几何最大一致地区的待分隔图像。而后运用智能的分割二进制粒子群算法包办谱聚类算法来最小化Normalized Cut规则。当粒子群算法迭代实行后，最优粒子不妨包办特性向量来引导图的分别，并最后获得真彩色图像的分隔截止。该算法的寻优本领要优于谱聚类算法。并可赶快获得优质的真彩色图像分隔截止。

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/246205.html