论文网
关于算法论文范文集,与自然计算在图像分割方面的应用相关毕业论文致谢
本论文是一篇关于算法毕业论文致谢,关于自然计算在图像分割方面的应用相关函授毕业论文范文。免费优秀的关于算法及图像及自然方面论文范文资料,适合算法论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
;8],对待分割的图像进行灰度形态学中的闭操作预处理,以抑制图像噪声,把图像阈值看成人工蜂群算法中的蜜蜂,利用二维Otsu法设计人工蜂群算法的适应度函数；通过采蜜蜂、侦察蜂和观察蜂的分工协作和信息共享,逐代逼近最佳阈值.以上算法都是用自然计算算法对二维Otsu法进行改进.三维Otsu法运算量更大,但分割效果更好,对其进行性能优化更有理论和应用研究价值,事实上,粒子群算法与之融合是可行的,该文的第三章有详细阐述.化学反应算法作为一个新的自然计算算法,将其与Otsu法结合进行图像分割也是一种有益的尝试,在本文的第四章有相关介绍.3.3研究趋势
混合自然计算算法（或称为自然计算算法的融合）是目前算法研究的热点,并已应用于多个领域,但在图像分割中的应用研究较少,是未来研究的方向.混合自然计算算法就是将一种自然计算算法或其它优化技术应用于另一种自然计算算法中,以进一步提高算法的性能,如提高全局搜索能力、增强收敛速度与精度等.一般地,融合的方式分为三种：一是,利用其它优化技术对算法中的参数作优化选择；二是,在算法中引入其它算法的算子；三是,与其它算法分工进行问题的混合求解.
已有的混合算法有：混合蚁群粒子群算法、混合粒子群蜂群算法、混合粒子群与量子计算、混合粒子群与文化算法、混合粒子群与蛙跳算法、混合文化算法与鱼群算法,混合蚁群与遗传算法等.为提高算法的局部搜索能力,粒子群算法可与一些搜索技术结合,如,模拟退火、序贯二次规划、单纯形法、牛顿法、禁忌搜索、爬山法、差分进化算法、小波变异等.混合进化算法和粒子群算法的方法有：采用进化计算中的选择操作的建立混合粒子群优化模型,将进化算法中的繁殖和子种群的概念引入粒子群优化算法,对粒子位置和速度进行交叉操作,引入高斯变异,或使用了变异、选择和繁殖多种操作等.
混合蚁群与粒子群的算法混合策略有两个思考方向：一是,以蚁群算法为主、粒子群算法为辅进行图像分割,即用粒子群算法优化蚁群算法的图像分割性能；二是,以粒子群算法为主、蚁群算法为辅进行图像分割,即用蚁群算法优化粒子群算法的图像分割性能.混合蚁群与粒子群的算法已经用于解决如下问题：最优聚丙烯熔融指数预报、多目标数据关联、复杂系统模型参数的优化估计、单目标和多目标跟踪、移动机器人动态路径规划等.蚂蚁算法与粒子群算法结合可以求解离散优化问题.
4结论
图像分割是图像分析和计算机视觉中的经典难题,为了提高图像分割算法的性能和普适性,在原有算法中融入新理论是图像分割发展的必然趋势.自然计算算法提供了图像分割的新思路.自然计算涉及算法较多,以蚁群算法、粒子群算法、化学反应算法为例,它们应用在图像分割中已取得了较好的图像分割效果.混合自然计算算法是目前算法研究的热点,并已应用于多个领域,但在图像分割中的应用研究较少,是未来研究的方向.
本文url http://www.sxsky.net/benkelunwen/06092219.html
参考文献：
[1]ShadboltN（2004）Nature-inspiredputing.IEEEIntellSyst19（1）：23
[2]吴启迪,康琦,汪镭,等.自然计算导论.上海：上海科学技术出版社,2011.
[3]韩彦芳,施鹏飞.基于蚁群算法的图像分割方法[J].计算机工程与应用,2004,（18）：5-7.
[4]郑肇葆,郑宏.化学反应优化（CRO）图像分割的研究与分析[J].武汉大学学报（信息科学版）,2012,（10）.
[5]唐英干,刘冬,关新平.基于粒子群和二维Otsu方法的快速图像分割[J].控制与决策,2007（2）：84-87.
[6]谭枫,杨莘元.基于文化算法和二维Otsu方法的快速图像分割[J].深圳大学学报（理工版）,2009（1）：56-60.
[7]潘,吴一全.二维Otsu图像分割的人工鱼群算法[J].光学学报,2009（8）：91-97.
[8]梁建慧,马苗.人工蜂群算法在图像分割中的应用研究[J].计算机工程与应用,2012（8）：198-200+233.
关于算法论文范文集,与自然计算在图像分割方面的应用相关毕业论文致谢参考文献资料：