自由搜索算法的改进及其在图像分割中的应用

论文摘要

自由搜索算法是近年来提出的一种较新的群体智能优化算法,其算法自身还有很大的研究空间,因此对自由搜索算法进行有效的改进仍然是目前学者研究的一个热点。本文提出一种基于灾变策略的自由搜索改进算法。该算法在群体进行下一轮搜索之前进行一次灾变判断,符合灾变条件的个体将进行相应的灾变操作,将重新初始化下一轮搜索起点。从自然界规律上说该算法较基本的自由搜索算法具有更优秀的全局搜索能力。将本文算法和现有的两种性能最好的自由搜索改进算法(自适应搜索算法和基于粗细粒交叉的自由搜索算法)进行仿真对比,通过对三个基准函数的优化测试,仿真结果表明本文提出的算法在收敛精度和收敛速度上都要优于现有的两种改进算法。基于最大熵的阈值法图像分割的关键是找到一组合适的阈值向量,使得分割后图像的总熵最大,而总熵恰恰是一个以阈值为自变量的多维函数,在以往的阈值搜索中,存在精度不高的缺陷,鉴于自由搜索算法具有强大的搜索能力,本文提出了基于改进自由搜索算法(即基于灾变策略的自由搜索算法)的最大熵阈值图像分割算法,通过比较本文算法和目前在基于最大熵的阈值法图像分割中应用较好的改进粒子群算法的仿真结果,本文提出的算法可以获得更大的熵值和统一度量标准u值,验证了该改进算法在图像分割中应用的有效性,拓宽了自由搜索算法的应用领域。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 论文研究的目的及意义
• 1.2 国内外研究现状
• 1.2.1 自由搜索算法的国内外研究现状
• 1.2.2 阈值法图像分割的国内外研究现状
• 1.3 论文主要研究内容及论文安排
• 第2章 自由搜索优化算法
• 2.1 自由搜索算法基本原理
• 2.2 基本自由搜索算法
• 2.2.1 基本自由搜索算法模型
• 2.2.2 基本自由搜索算法实现步骤
• 2.2.3 基本自由搜索算法流程图
• 2.2.4 基本自由搜索算法先进性仿真实验
• 2.3 自由搜索改进算法
• 2.3.1 自适应搜索算法
• 2.3.2 基于粗细粒交叉的自由搜索算法
• 2.3.3 改进自由搜索算法同基本自由搜索算法性能比较
• 2.4 自由搜索算法的应用
• 2.4.1 自由搜索算法在函数优化上的应用
• 2.4.2 自由搜索算法在农业生产方面的应用
• 2.4.3 自由搜索算法在无线传感器网络节点定位上的应用
• 2.5 本章小结
• 第3章 基于灾变策略的自由搜索算法
• 3.1 算法改进的理论依据
• 3.2 基于灾变策略的自由搜索改进算法
• 3.3 基于灾变策略的自由搜索改进算法的典型函数优化仿真
• 3.3.1 基准测试函数
• 3.3.2 仿真结果分析
• 3.4 本章小结
• 第4章 阈值法图像分割
• 4.1 图像分割定义
• 4.2 基于阈值法的图像分割
• 4.2.1 基于聚类的阈值分割法
• 4.2.2 基于空间的阈值化分割法
• 4.2.3 基于直方图的阈值化分割法
• 4.2.4 基于最大熵的阈值化分割法
• 4.3 本章小结
• 第5章 基于灾变策略的自由搜索算法在图像分割中的应用
• 5.1 基于灾变策略的自由搜索算法的图像分割的实现
• 5 .1.1本文算法可行性论证
• 5.1.2 基于最大熵的阂值法图像分割目标函数的确定
• 5.1.3 本文提出算法的具体实现流程
• 5.2 图像分割的评价标准
• 5.3 实验仿真与结果分析
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢