非参数曲线提取方法研究

论文摘要

曲线提取与曲线识别是图像识别、图像理解、机器视觉等领域中非常重要的基本识别技术,在经济、国防、工业、安全等诸多方面有着广泛应用。在进行图像识别时,要首先对图像进行预处理、分割运算,然后提取曲线特征,最后进行识别。而图像的复杂性和多样性以及预处理、分割算法的局限性使得分割后的二值图像中存在大量的噪声,同时曲线中也存在断点,为曲线的特征提取带来了困难。Hough变换能够有效的从充斥噪声的二值图像中提取曲线,是曲线识别中的主要工具。但利用Hough变换进行曲线识别,需要预知曲线方程或形状,而实际图像中的曲线在许多情况下是无法在识别前预知其方程或形状的,也就无法使用Hough变换来提取曲线。论文将这类曲线称之为非参数曲线,而对它的提取问题归结为离散的组合优化问题,并在对遗传算法、蚁群优化算法进行深入研究的基础上,提出了基于蚁群算法的非参数曲线提取方法。论文的主要研究内容和所取得的成果包括如下几个方面:(1)论文介绍了用Hough变换识别参数曲线的理论方法,以及参数曲线与非参数曲线的概念。阐明了基于组合优化理论的非参数曲线识别的基本思想,制定了基于优化算法的非参数曲线提取方案,并在研究前人基于小生境遗传优化的非参数曲线特征提取算法的基础上,采用蚁群优化来对非参数曲线进行提取,取得了较好的效果。(2)论文对遗传算法、蚁群优化算法展开了深入的研究。针对算法中的缺陷与不足,提出了三种改进算法:具有局部搜索能力的小生境遗传算法、蚁群遗传混合算法、求解旅行商问题的智能蚁群优化算法。论文阐述了改进算法的思想、算法流程、和算子的设计,并通过多峰值函数、旅行商问题的仿真实验,验证了改进算法的合理性和有效性。(3)针对非参数曲线识别问题,论文在基于蚁群优化的非参数曲线提取算法中设计了搜索终止概率函数,用于动态的判断蚂蚁是否继续添加解成分,解决了非参数曲线提取问题中解不定长的问题;路径翻转算子与搜索终止函数的共同作用解决了非参数曲线提取问题中曲线起点像素、终点像素不合一的问题,使得蚂蚁可以随机选择初始非零像素;论文同时对蚁群优化中的启发式信息给出了合理定义,并设计了相应的状态转移规则和信息素更新规则;局部搜索算子的引入一定程度上对蚁群优化的粗搜索进行了弥补,进一步优化了蚂蚁所构造的曲线;通过对含有各种长度、各种角度、各种纹理、存在各种噪声的二值图像的实验,结果表明算法是有效的。(4)为了在同一幅二值图像当中同时提取两条甚至多条非参数曲线,论文对两曲线之间的相似度进行了定义,并在此基础上讨论了基于蚁群优化的多曲线提取算法,也取得了良好的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 课题的研究背景和意义
• §1-2 曲线提取问题的研究现状
• §1-3 论文的主要工作
• 第二章 非参数曲线提取问题
• §2-1 参数曲线提取——Hough 变换
• §2-2 非参数曲线提取视觉模型及曲线评价函数设计
• 2-2-1 非参数曲线提取视觉模型
• 2-2-2 基于视觉模型的曲线评价函数设计
• §2-3 非参数曲线的自动生成
• 2-3-1 含有随机直线的二值图像自动生成
• 2-3-2 含有随机非参数曲线的二值图像自动生成
• 第三章 基于遗传优化的非参数曲线提取
• §3-1 遗传算法研究
• 3-1-1 遗传算法的基本原理
• 3-1-2 遗传算法的主要操作
• 3-1-3 遗传算法的流程描述
• 3-1-4 小生境遗传算法
• §3-2 具有局部搜索能力的小生境遗传算法
• 3-2-1 算法基本原理与流程
• 3-2-2 仿真实验与结果分析
• §3-3 小生境遗传算法求解非参数曲线提取问题
• 3-3-1 基于行列的编码
• 3-3-2 小生境技术
• 3-3-3 非参数曲线特征提取
• 第四章 蚁群优化及其改进算法研究
• §4-1 蚁群优化算法研究
• 4-1-1 蚁群优化算法的生物学背景
• 4-1-2 蚁群优化算法的基本框架
• 4-1-3 蚁群系统
• §4-2 蚁群遗传混合算法
• 4-2-1 蚁群优化与遗传算法的融合
• 4-2-2 蚁群遗传混合算法流程描述
• 4-2-3 仿真实验与结果分析
• §4-3 求解 TSP 问题的智能蚁群优化算法
• 4-3-1 蚂蚁的智能化
• 4-3-2 智能蚁群优化算法的基本原理与流程
• 4-3-3 仿真实验与结果分析
• 第五章 基于蚁群优化算法的非参数曲线提取
• §5-1 蚁群优化算法求解非参数曲线提取问题的基本思想
• §5-2 蚁群优化算法求解非参数曲线提取
• 5-2-1 蚁群优化算法求解非参数曲线提取问题的流程
• 5-2-2 搜索终止函数与路径翻转算子
• 5-2-3 状态转移规则的构造
• 5-2-4 信息素更新规则
• 5-2-5 局部搜索算子
• §5-3 实验结果分析
• §5-4 基于蚁群优化算法的多曲线提取
• 第六章 结论
• 参考文献
• 致谢
• 攻读学位期间所取得的相关科研成果