基于混合粒子群優(yōu)化馬爾科夫隨機場的圖像分割.pdf

1、目前，基于馬爾科夫隨機場的圖像分割是圖像分割的一個很重要的研究領域。然而基于隨機場模型進行的圖像分割通常情況下是把圖像分割轉(zhuǎn)化為優(yōu)化問題，然后利用優(yōu)化算法得到最優(yōu)解，將其作為圖像分割的最終結果。因此，為了得到較好的分割效果，優(yōu)化算法的選取就顯得尤為重要。傳統(tǒng)的優(yōu)化算法往往在迭代到一定程度之后陷入局部最優(yōu)，從而無法到達全局最優(yōu)，也就得不到理想的分割結果。粒子群優(yōu)化算法因為其具有的概念簡單、易于理解、參數(shù)較少、搜索速率快以及迭代魯棒性強等優(yōu)

2、點而備受青睞，但與此同時它也存在一定的缺陷。本文的基本思想是借鑒協(xié)同進化算法的思想將粒子群算法與其它的優(yōu)化算法結合，改進粒子群算法性能，以此來獲得良好的優(yōu)化效果，進而得到理想的分割結果。
　　本論文的主要工作:第一，將變權重的思想加入到蛙跳簡化粒子群算法中，并且對自適應遺傳算法進行改進。第二，利用并行結合來進一步改進粒子群算法，其實質(zhì)是利用兩個算法在搜索空間進行并行式搜索，在每次迭代中都進行信息交互，且按照一定的規(guī)則進行個體的交換