论文摘要
图像是人类智能活动重要的信息来源之一,是人类相互交流和认识世界的主要媒体。随着信息高速公路、数字地球概念的提出,人们对图像处理技术的需求与日剧增,同时计算机技术的发展给图像处理技术的应用提供了广阔的平台。图像处理主要包括图像增强、图像分割、边缘检测和图像编码四大块内容,仿生算法的兴起为这几种图像处理问题的解决提供了一条十分有效的新途径。本文在详细分析了遗传算法、蚁群算法、粒子群算法、模糊逻辑和脉冲耦合神经网络基本原理的基础上,将各种仿生算法应用到实际图像处理问题中。在图像增强环节中,图像增强问题转化为求图像的非线性变换函数问题,采用量子遗传算法对非线性变换函数的参数进行优化,取得了较好的效果;在图像分割环节中,图像分割问题转换为求图像的最大熵问题,采用蚁群算法对改进的最大熵确定的适应度函数进行优化,取得了较高的效率;在边缘检测环节中,结合粒子群算法对Pal算法进行了改进,新的模糊边缘检测算法取得了很好的边缘定位;在图像编码环节中,首先采用脉冲耦合神经网络对图像进行不规则分割,然后在每个分割区域上利用正交基重建原始图像,取得了较好的压缩效果。同时,本文设计了一种基于TMS320DM642 DSP的数字图像处理系统,并对硬件各个环节的实现做了详细介绍。在硬件开发平台上,对论文采用的算法进行了实验验证,取得了满意的效果。
论文目录
摘要Abstract1 绪论1.1 选题背景及意义1.2 仿生算法的研究进展1.2.1 遗传算法的研究进展1.2.2 蚁群算法的研究进展1.2.3 粒子群算法的研究进展1.2.4 模糊逻辑理论的研究进展1.2.5 脉冲耦合神经网络的研究进展1.3 仿生算法的特点1.4 本文的主要工作1.5 本文的组织结构2 基于量子遗传算法的图像增强2.1 图像增强综述2.1.1 空域增强2.1.2 频域增强2.2 遗传算法基本理论2.2.1 遗传算法常用术语2.2.2 遗传算法基本要素2.2.3 遗传算法基本原理2.2.4 标准遗传算法及流程图2.2.5 标准遗传算法有关参数的确定2.3 量子遗传算法2.3.1 概述2.3.2 量子比特编码2.3.3 量子遗传算法流程2.3.4 量子遗传算法的改进及其应用2.4 基于量子遗传算法的图像增强2.4.1 典型图像增强变换函数2.4.2 利用量子遗传算法优化非线性变换函数的参数2.4.3 实验结果及其分析2.5 本章小结3 基于蚁群算法的图像分割3.1 图像分割综述3.2 蚁群算法基本理论3.2.1 蚁群算法的生物学基础3.2.2 蚁群算法的基本思想3.2.3 蚁群算法的优缺点3.3 基于蚁群算法的图像分割3.3.1 阈值法图像分割3.3.2 利用蚁群算法优化图像分割的阈值3.3.3 实验结果及其分析3.4 本章小结4 基于模糊逻辑理论的图像边缘检测4.1 边缘检测综述4.2 模糊逻辑基本理论4.2.1 模糊概念与模糊集合4.2.2 模糊集合的度量4.2.3 确定隶属函数的方法4.2.4 模糊推理4.3 基于模糊逻辑理论的图像边缘检测4.3.1 Pal.King模糊边缘检测算法及其缺陷4.3.2 基于阈值改进的模糊边缘检测快速算法4.3.3 实验结果及其分析4.4 本章小结5 基于脉冲耦合神经网络的图像编码5.1 图像编码综述5.2 脉冲耦合神经网络（PCNN）基本理论5.2.1 脉冲耦合神经网络的基本模型5.2.2 脉冲耦合神经网络的特性分析5.3 基于脉冲耦合神经网络的图像编码5.3.1 基于脉冲耦合神经网络的图像分割5.3.2 基于脉冲耦合神经网络图像分割的编码5.4 本章小结6 基于DM642的数字图像处理系统的设计与实现6.1 系统总体方案6.2 系统硬件的模块化设计与实现6.2.1 TMS320DM642功能管脚及时钟模块配置6.2.2 TMS320DM642 JTAG接口6.2.3 TMS320DM642外部存储器扩展6.2.4 协处理器模块6.2.5 视频模块6.2.6 电源模块6.3 系统软件设计6.3.1 软件系统开发平台6.3.2 基于RF5参考框架软件系统总体设计6.3.3 模块化程序实现6.4 实验过程和结果6.4.1 实验系统的建立6.4.2 实时图像处理实验6.5 本章小结7 总结与展望7.1 工作总结7.2 展望参考文献致谢作者简介及读研期间主要科研成果
相关论文文献
标签：图像处理论文; 仿生算法论文;
