協(xié)同微粒群算法的研究及其在圖像分割中的應(yīng)用.pdf

1、微粒群算法是上個(gè)世紀(jì)90年代提出的一種基于群體智能理論的優(yōu)化算法，通過群體中粒子間的合作與競(jìng)爭(zhēng)產(chǎn)生的群體智能指導(dǎo)優(yōu)化搜索。相比于進(jìn)化算法，微粒群算法保留了基于種群的全局搜索策略，采用簡(jiǎn)單的速度位移模式，避免了復(fù)雜的遺傳操作，同時(shí)它特有的記憶使其可以動(dòng)態(tài)跟蹤當(dāng)前的搜索情況以調(diào)整其搜索策略，具有全局收斂能力和魯棒性，且不需要借助問題的特征信息。微粒群算法的特點(diǎn)吸引了大量學(xué)者對(duì)其進(jìn)行研究，并被廣泛的應(yīng)用到了各個(gè)領(lǐng)域。 微粒群算法是基于

2、同種群體內(nèi)信息共享的假設(shè)而提出的，它反映了在一個(gè)種群中的個(gè)體之間的合作關(guān)系。然而，在自然界的生態(tài)系統(tǒng)中，很多物種是通過和其他物種相互作用來提高自己的生存能力的。這種相互作用存在于所有的生物機(jī)體中，從細(xì)胞到高級(jí)動(dòng)物，同時(shí)也存在于動(dòng)物和植物之間。為了克服微粒群算法的缺點(diǎn)并且受到協(xié)同進(jìn)化的啟發(fā)，從而產(chǎn)生了協(xié)同微粒群算法的思想。 圖像分割是圖像處理到圖像分析的關(guān)鍵步驟。由于圖像目標(biāo)和背景之間差異的多樣性以及噪聲的影響，使得圖像分割變得困

3、難，目前圖像分割仍然是研究的熱點(diǎn)之一。傳統(tǒng)的圖像分割方法對(duì)某些圖像是有效的，但是對(duì)一些特殊領(lǐng)域的圖像和具有特殊特征的圖像來說并不一定有效。目前還沒有一種通用的圖像分割方法。 本文致力于研究協(xié)同微粒群算法，并將其應(yīng)用到圖像分割中。本文的主要工作為： 1、提出了一種協(xié)同微粒群算法 受自然界共生現(xiàn)象的啟發(fā)，將協(xié)同進(jìn)化與微粒群算法相結(jié)合，并將高斯概率分布應(yīng)用到隨機(jī)數(shù)的生成以及粒子變異中，提出了一種使用高斯分布的協(xié)同微粒群

4、算法(CPSO-G)，進(jìn)化過程中，粒子不僅要與本種群內(nèi)的其他粒子交換信息而且還要受到其他種群的影響。利用高斯概率分布來生成隨機(jī)數(shù)，可以加速局部搜索收斂速度。將高斯概率分布應(yīng)用到粒子變異中，此分布能夠增加粒子多樣性從而跳出局部極值點(diǎn)。實(shí)驗(yàn)數(shù)據(jù)表明，此算法在一定程度上避免了陷入局部極值點(diǎn)并且加快了收斂速度。 2、將協(xié)同微粒群算法用于圖像分割 在眾多圖像分割方法中，模糊C-均值(FCM)聚類算法是一種結(jié)合無監(jiān)督聚類和模糊集合概