基于自适应粒子群优化算法在陶瓷图像分割中的应用研究

作     者：郭宗建 

作者单位：景德镇陶瓷大学 

学位级别：硕士

导师姓名：汤可宗

授予年度：2022年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：粒子群优化算法 陶瓷图像分割 极值扰动 最大类间方差法 

摘      要：视觉图像是人类获得信息的重要来源,随着计算机处理能力的不断增强,图像处理的广泛应用有了可实现的硬件基础。图像处理技术已广泛应用于工业、农业和医学等领域。其中,图像分割在图像分析、图像识别、图像检测等方面占有非常重要的地位,一直以来都是众多学者研究的热点问题。粒子群优化算法(Particle Swarm Optimization,PSO)作为仿生智能算法的一种,由于具有较强的搜索能力,且算法中的相关参数具有易于调节、相对独立等优点,已被广泛应用于模式识别、故障诊断、机器学习、资源调度等应用领域。然而,粒子群优化算法应用于求解最优化问题过程,也往往存在后期收敛速度缓慢和易于陷入局部最优等缺陷。对此,本文提出一种带极值扰动的自适应粒子群优化算法(DAPSO),并将DAPSO与最大类间方差法结合应用于最优化问题和陶瓷图像分割过程,获得了较好的仿真实验效果。本文的主要研究内容包括:1.介绍了粒子群优化算法的基本原理,对粒子群优化算法的参数自适应改变方法进行了介绍,并结合已有学者的研究,对粒子群优化算法中参数设置对算法的影响进行了分析,提出了一种新的惯性权重自适应粒子群优化算法(APSO)。该算法以相邻两次迭代间粒子的适应度变化为准则条件,综合粒子的飞行状况调节粒子下一次迭代时惯性权重的取值。在粒子种群陷入局部最优区域时,以种群多样性和进化停滞步数作为极值扰动的判定条件,采用柯西扰动方式,对个体极值和全局极值同时进行扰动。为了保护粒子陷入局部最优时很可能具有的一些良好的全局最优结构,只随机选择一个维度进行扰动,每一个维度被选择到的概率是相同的。在标准函数集上进行测试,实验表明,DAPSO算法能加快粒子群的收敛速度且在一定程度上防止粒子陷入局部最优。2.对图像分割中的最大类间方差法进行了介绍,最大类间方差法分割图像需要遍历每一灰度级,实时性较差,且时间复杂度会随着灰度级的增加而不断增大。本文将DAPSO与最大类间方差法结合应用于陶瓷图像分割,实验表明,提出的混合算法不仅节省了图像分割时间,而且对于具有复杂纹理的陶瓷图像更能分割出图像纹理细节。