粒子群算法在圖像分割中的應用

1、粒子群算法在圖像分割的應用粒子群算法在圖像分割的應用 Particle Swarm Algorithm and Its Applications in Image Segmentation電氣信息工程學院電氣信息工程學院 霍鳳財霍鳳財引言v粒子群算法，是一種以群體群體為基礎 (Population-based) 的最優(yōu)化啟發(fā)式啟發(fā)式算法；v由 James Kennedy 和 Russell Eberhart 兩位學者于1995年時所提出。ionic omputing起源v提出該算法的兩位學者，由觀察鳥群覓食的社會行為得到啟發(fā)；v鳥群在食物存在的空間中飛行覓食，一開始并不知道最佳的覓食點位置；v

2、每只鳥會憑借著自己的經(jīng)驗或是直覺，飛往它覺得較佳的地點來搜尋食物；v當其他鳥發(fā)現(xiàn)了更佳的覓食地點時，鳥群間會以某種類似廣播的溝通行為，漸漸的將其它鳥群引領到較佳的地點；v這樣的覓食行為是利用社會中所存在的互相影響互相影響的概念，來引領所有個體朝向最佳解位置。鳥群（魚群）行為抽象v粒子群的概念視為一個簡單的社會系統(tǒng)，粒子群的概念視為一個簡單的社會系統(tǒng)，每只個體被視為一個解，稱之為每只個體被視為一個解，稱之為粒子粒子(Particle)；v每個粒子經(jīng)由適應函數(shù)的衡量而具有一個適應值?；綪SO算法12(1)( )()( )( )()( )( )ididididgdidvtwvtcrandptxtc

3、randptxt(1 )()(1 )11idididxtxtvtindD（1）（2）其中，C1,C2為正常數(shù)，稱為加速因子；rand( )為0，1之間的隨機數(shù)；w稱慣性因子，w較大適于對解空間進行大范圍探索(exploration)，w較小適于進行小范圍挖掘(exploitation)。第d（1dD）維的位置變化范圍為-XMAXd , XMAXd，速度變化范圍為-VMAXd , VMAXd，迭代中若位置和速度超過邊界范圍則取邊界值。 PSO 目標式速度：vid(t +1)= wxvid(t)+c1xrand()xpid(t)- xid(t)(t)+c2xrand()xPgd(t)-xid(t)

4、(t)v-速度 w-慣性權重 C-加速因子 pid-局部最優(yōu)解 Pgd-全局最優(yōu)解原來速度 vid過去自身經(jīng)驗同伴飛行經(jīng)驗運動向量目前的區(qū)域最佳解pbest目前的全域最優(yōu)解gbest原來位置 xid(t)新位置 xid(t+1)原來速度 vid(t)新速度 vid(t+1) 位置：xid(t+1)=xid(t)+vid(t+1)粒子群最優(yōu)化抽象v粒子群的概念視為一個簡單的社會系統(tǒng)，每只個體粒子群的概念視為一個簡單的社會系統(tǒng)，每只個體被視為一個解，稱之為被視為一個解，稱之為粒子粒子(Particle)；v每個粒子經(jīng)由每個粒子經(jīng)由適應函數(shù)適應函數(shù)的衡量而具有一的衡量而具有一個個適應值。適應值。優(yōu)化

5、問題PSO 流程 以任意的位置和速度來初始化粒子計算各個粒子的適應值更新 Pid與Pgd 值更新各個粒子位置及速度開始滿足終止條件結束否是Particle Swarm研究熱點 IEEE TRANSACTION ON EVOLUTIONARY COMPUTION于2004年出版了第3卷：SPECIAL ISSUE ON PSO。Russell C.Eberhart, Yuhui Shi在卷首語中指出了當前PSO研究的幾個主要方向及熱點：1、算法分析；2、粒子群拓撲結構；3、參數(shù)選擇與優(yōu)化；4、與其他演化計算的融合；5、應用。優(yōu)點vPSO吸引人之處，在于只有少數(shù)的參數(shù)需要調(diào)整；v能加快速度收斂至最

6、優(yōu)解；v可以被用來解決大多數(shù)的最優(yōu)化問題。閾值選取的圖像分割方法閾值選取的圖像分割方法 設圖像為設圖像為f (x, y) ，其灰度級范圍是，其灰度級范圍是 0，L-1 ，在，在0和和L-1之間選擇一個合適的灰度閾值之間選擇一個合適的灰度閾值T，則圖像分割方法可描述為：則圖像分割方法可描述為： 這樣得到的這樣得到的g (x, y)是一幅是一幅二值圖像二值圖像。 1( , )( , )0( , )Lf x yTg x yf x yT 直方圖閾值雙峰法的圖像分割程序與效果% 直方圖雙峰法閾值分割圖像程序直方圖雙峰法閾值分割圖像程序 clear I=imread(細胞細胞.png) % 讀入灰度圖像并

7、顯示讀入灰度圖像并顯示 imshow(I); figure;imhist(I); % 顯示灰度圖像直方圖顯示灰度圖像直方圖 Inew=im2bw(I,140/255); % 圖像二值化，根據(jù)圖像二值化，根據(jù)140/255 %確定的閾值，劃分目標與背景確定的閾值，劃分目標與背景 figure;imshow(Inew); % 顯示分割后的二值圖像顯示分割后的二值圖像 ;,.,1 , 0/tippPtiO1,.,2, 1)1/(LttippPtiB tiitpp0OOtiOPPtH20log)(BBLtiBPPtH211log)( )(max10ttLtBHHt0)()(t圖像分割方式流程 以任意的位置和速度來初始化粒子計算各個粒子的適應值更新 Pid與Pgd 值更新各個粒子位置及速度開始滿足終止條件結束否是最大信息熵圖像分割的效果最大信息熵圖像分割的效果 最大信息熵算法通過編程可以迅速得到計算結果，最大信息熵算法通過編程可以迅速得到計算結果，但對大