基于改进BBO算法的二维交叉熵多阈值图像分割

为了提高生物地理学优化(BBO)算法在多阈值图像分割中的全局搜索能力,提出一种基于改进的BBO算法的多阈值图像分割.在运用BBO算法进行优化阈值时,首先,采用精英选择算子保留出最优的几组解.其次,引入一种基于优秀解和待迁出解融合的迁移策略,以减少传统迁移操作的过早收敛以及无效迁移等行为.再次,为了减少传统变异操作的盲目性,创建一种通过二进制计算的变异操作.然后将其应用到二维交叉熵的多阈值图像分割中.最后,使用该方法对典型图像进行分割实验,并与粒子群算法的二维多阈值分割,以及基于标准的BBO算法的二维多阈值图像分割进行比较,实验结果表明:该方法具有良好的收敛稳定性,可以有效缩短迭代的时间,并且优化性能优于标准的BBO算法.     

基于改进BBO算法的二维交叉熵多阈值图像分割（英文）

为了提高生物地理学优化(BBO)算法在多阈值图像分割中的全局搜索能力,提出一种基于改进的BBO算法的多阈值图像分割。在运用BBO算法进行优化阈值时,首先,采用精英选择算子保留出最优的几组解。其次,引入一种基于优秀解和待迁出解融合的迁移策略,以减少传统迁移操作的过早收敛以及无效迁移等行为。再次,为了减少传统变异操作的盲目性,创建一种通过二进制计算的变异操作。然后将其应用到二维交叉熵的多阈值图像分割中。最后,使用该方法对典型图像进行分割实验,并与粒子群算法的二维多阈值分割,以及基于标准的BBO算法的二维多阈值图像分割进行比较,实验结果表明:该方法具有良好的收敛稳定性,可以有效缩短迭代的时间,并且优化性能优于标准的BBO算法。     

基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取

提出了基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取方法以便更为准确地分割火焰图像。以最小倒数交叉熵作为阈值选取准则,解决了Shannon熵定义中存在的无意义值问题。同时,以二维直方图斜分方式更加准确地划分目标和背景,提高了算法抗噪性能,且使需要选取的阈值个数由两个变为一个,减少了算法运行时间。此外,采用蜂群优化算法加速对最佳阈值的搜索,使速度提升了约80%~140%,进一步提高了算法的实时性。最后,针对火焰图像进行了大量实验,并与二维斜分最大Shannon熵法、基于混沌小生境粒子群优化(NCPSO)的二维斜分最大倒数熵法进行了比较。结果表明,提出的方法在分割效果上优势明显,且抗噪性能更好,是一种实时有效的火焰图像分割方法。     

基于改进灰狼优化算法的QFN芯片图像多阈值分割方法

在QFN芯片封装缺陷检测中,增加图像分割环节可有效提高缺陷检测准确性与检测效率。针对图像分割中传统算法效率低、智能优化算法分割精度低稳定性差的问题,本文提出一种基于改进灰狼优化算法（IGWO）的图像多阈值分割方法。首先,改进原始灰狼优化算法非线性因子,平衡算法搜索效率与挖掘能力;其次,引入反向学习策略提高种群整体质量,引入正弦函数、调整头狼权重以改进灰狼更新策略,增强算法多样性与挖掘能力;然后,提出头狼靠拢与种群变异交替进行的位置更新策略,平衡算法收敛性能与跳出局部最优能力;最后,以Kapur熵为适应度函数,求解最优分割阈值。将本文提出的改进灰狼优化算法的多阈值图像分割方法,与灰狼优化算法（GWO）、基于翻筋斗觅食策略的灰狼优化算法（DSF-GWO）、基于莱维飞行的樽海鞘群优化算法（LSSA）、改进北方苍鹰算法（INGO）的图像分割方法进行实验对比,结果表明：本文方法在分割用时方面,约为DSF-GWO的1/2,INGO的1/4;在分割精度与稳定性方面,在进行QFN芯片缺陷图像的连续30次分割时,本文方法具有最大Kapur熵平均值、最小标准差与最短分割时间。因此本文方法可实现高精度、高稳...     

具有二重机制的生物地理优化算法及圆柱度 误差评定研究*

生物地理学优化算法(Biogeography-base optimization, BBO)是一种新型的智能算法,因其参数少、易于实现等优点而受到学界的广泛关注和研究,并显示出了广阔的应用前景。为了提高算法的优化性能,对BBO算法提出一种改进。改进的算法在将差分优化算法(Differential evolution, DE)中的局部搜索策略同BBO算法中的迁移策略相结合的基础上,针对迁移算子和变异算子分别做出改进,并通过基准函数的测试证明了改进后的算法在迭代过程中种群进化、寻优能力以及算法的收敛性能得到进一步提升。尝试将改进了的生物地理学优化算法应用于圆柱度误差评定。依据国家标准,结合最小区域法,以圆柱度误差数学模型为目标函数,该算法实现了误差评定优化求解。通过该寻优结果与其他方法的评定结果的比较,验证了该种算法的可行性和正确性及其优越性。     

基于广义反向粒子群与引力搜索混合算法的多阈值图像分割

提出了基于粒子群优化(PSO)与引力搜索(GSA)混合算法(PSOGSA)的多阈值图像分割方法来解决图像阈值搜寻过程中单一优化算法局部搜索能力不强的问题。提出了图像阈值分割领域中的广义反向学习策略,在阈值寻优过程中提高群体多样性,增强了全局搜索能力;采用了全局最优解的正态变异策略,扩展了全局最优的搜索区域,避免了算法的早熟收敛。在此基础上,实现了基于广义反向粒子群与引力搜索混合算法的多阈值图像分割方法。最后,使用本方法对复杂多目标图像进行了多阈值分割实验,并与引力搜索算法和萤火虫算法进行了比较。实验结果表明,本文方法的分割精度优于引力搜索算法与萤火虫算法,其分割目标函数值在连续运行时的标准差降低了90%以上,是一种精度高、稳定性强的多阈值图像分割方法。     

一种改进的免疫算法在车间调度中的研究

针对免疫算法收敛较慢,种群更新优劣差距较大等缺点,提出了一种改进的免疫算法,并用该算法解决了FlowShop车间调度问题,结果表明算法具有较好的搜索与寻优能力,很好地克服了一般人工免疫算法搜索速度较慢、容易陷入局部最优解的缺点。该算法采用自适应的交叉算子、变异算子以及种群分割的方法,在搜索速度和全局最优解搜寻能力上与传统的零等待免疫算法相比有明显的优势。     

一种改进的免疫算法在车间调度中的研究

针对免疫算法收敛较慢,种群更新优劣差距较大等缺点,提出了一种改进的免疫算法,并用该算法解决了FlowShop车间调度问题,结果表明算法具有较好的搜索与寻优能力,很好地克服了一般人工免疫算法搜索速度较慢、容易陷入局部最优解的缺点。该算法采用自适应的交叉算子、变异算子以及种群分割的方法,在搜索速度和全局最优解搜寻能力上与传统的零等待免疫算法相比有明显的优势。     

基于萤火虫算法的二维熵多阈值快速图像分割

提出了基于萤火虫算法的二维熵多阈值快速图像分割方法以改善分割复杂图像和多目标图像时存在计算量大、计算时间长的问题。首先,分析了二维熵阈值分割原理,将二维熵单阈值分割扩展到二维熵多阈值分割。然后,引入萤火虫算法的思想,研究了萤火虫算法的仿生原理和寻优过程;提出了基于萤火虫算法的二维熵多阈值快速图像分割方法。最后,使用该方法对典型图像进行阈值分割实验,并与二维熵穷举分割法、粒子群算法(PSO)二维熵多阈值分割法进行比较。实验结果表明:该方法在单阈值分割、双阈值分割和三阈值分割时分别比二维熵穷举分割法快3.91倍,1040.32倍和8128.85倍;另外,在阈值选取的准确性和计算时间方面均优于PSO二维熵多阈值分割法。结果显示,基于萤火虫算法的二维熵多阈值快速图像分割方法能快速有效地解决复杂图像和多目标图像的分割问题。     

面向云制造的混流混合车间调度问题

为解决云制造环境下混流混合车间的生产调度优化问题,综合考虑混流装配与零部件加工的集成优化以及外协云任务与自制任务的协同调度,建立了以最小化最大完工时间、均衡化零部件生产和最大化零件车间机器利用率为优化指标的多目标车间调度模型。基于零件分批和车间调度的两阶段求解策略,设计了一种两级递阶结构的混合生物地理学优化算法,采用在迁移算子中嵌入差分进化算法的变异策略来提高算法的搜索效率。最后,通过实例验证了模型和算法的有效性。     

基于差商的油液监测铁谱图像自适应分割

针对油液监测中铁谱磨粒图像分割阈值难以选取的问题,本文提出一种基于差商的自适应铁谱图像分割算法。首先,将铁谱磨粒灰度图像转换成三维灰度直方图,并对其进行切片分析;然后,引入Newton插值多项式,将不同切片所得的频数作为切片灰度-频数曲线的插值点,基于差商构造第一类可接受函数和第二类可接受函数,结合实验数据确定两类误差,选取同时满足两类误差的最小灰度值作为分割阈值;最后,用本文方法对不同类型的磨粒图像以及添加高斯噪声和椒盐噪声后图像分别进行分割实验,并与经典的迭代阈值法、Otsu算法、最大熵法进行了比较。实验结果表明,本文方法受噪声干扰较小,误检率和漏检率整体优于其他3种算法。对分割所得的磨粒图像进行特征提取,并利用支持向量机进行识别,本文方法对3种故障磨粒识别准确率最高,达到82.86%,虽在运行时间上无明显优势,但综合性能最优,能满足油液监测过程中铁谱图像自适应分割的需求。     

Multilevel thresholding for segmentation of medical brain images using real coded genetic algorithm

Medical image analysis is one of the major research areas in the last four decades. Many researchers have contributed quite good algorithms and reported results. In this paper, real coded genetic algorithm with Simulated Binary Crossover (SBX) based multilevel thresholding is used for the segmentation of medical brain images. The T2 weighted Magnetic Resonance Imaging (MRI) brain images are considered for image segmentation. The optimum multilevel thresholding is found by maximizing the entropy. The results are compared with the results of the existing algorithms like Nelder–Mead simplex, PSO, BF and ABF. The statistical performances of the 100 independent runs are reported. The results reveal that the performance of real coded genetic algorithm with SBX crossover based optimal multilevel thresholding for medical image is better and has consistent performance than already reported methods.     

改进的遗传算法在实时图像分割中的应用

为了自动确定图像分割的最佳阈值,提出了一种改进的自适应遗传算法,并利用该算法对二维Fisher准则图像分割评价函数进行全局优化提高分割阈值的求解速度,快速得到最佳分割阈值。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服了基本遗传算法的收敛性差、易早熟问题。采用TI公司的DSP芯片TMS320VC5416,结合FPGA,搭建了多目标实时测量平台,并利用本文算法对图像阈值快速求解,实现了多目标的实时测量计算。实验结果表明,该算法具有良好的收敛速度和稳定性,阈值计算时间比二维Fisher准则法缩短了18ms(约63%左右);阈值范围稳定在3个像素以内,能够满足实时多目标测量要求。     

图像阈值分割的Fisher准则函数法

针对图像分割中的阈值选取问题，通过引入模式识别理论中的Fisher评价函数作为图像分割的准则函数，提出了基于Fisher评价函数法的图像分割新技术。该方法利用图像直方图计算各灰度级下的Fisher评价函数值，其最大值即对应于最佳分割闲值。对该方法进行了详尽的图像分割实验，并与著名的Otsu法、最大熵法、最小误差准则法进行了详细比较，结果表明该方法具有分割性能稳定、计算速度快以及受目标大小影响小等优点，是一种实用有效的图像阈值分割新方法。     

Amended bacterial foraging algorithm for multilevel thresholding of magnetic resonance brain images

Magnetic Resonance (MR) brain image segmentation into several tissue classes is of significant interest to visualize and quantify individual anatomical structures. Traditionally, the segmentation is performed manually in a clinical environment that is operator dependant, difficult to reproduce and computationally expensive. To overcome these drawbacks, this paper proposes a new heuristic optimization algorithm, amended bacterial foraging (ABF) algorithm for multilevel thresholding of MR brain images. The optimal thresholds are found by maximizing Kapur’s (entropy criterion) and Otsu’s (between-class variance) thresholding functions using ABF algorithm. The proposed method is evaluated on 10 axial, T₂ weighted MR brain image slices and compared with other evolutionary algorithms such as bacterial foraging (BF), particle swarm optimization (PSO) algorithm and genetic algorithm (GA). From the experimental results, it is observed that the new method is computationally more efficient, prediction wise more accurate and shows faster convergence compared to BF, PSO and GA methods. Applying the proposed thresholding algorithm to these images can help for the best segmentation of gray matter, white matter and cerebrospinal fluid which offers the possibility of improved clinical decision making and diagnosis.     

基于二维对称Tsallis交叉熵的小目标图像阈值分割

现有的阈值分割方法应用于目标与背景面积相差悬殊的小目标图像时,几乎都失效.为此,提出了基于对称Tsallis交叉熵及背景与目标面积差的小目标图像阈值分割方法.对称Tsallis交叉熵准则能确保准确分割时目标和背景内部的灰度均匀,而背景与目标面积差可抑制均等分割的趋势,二者综合构成了更为合理的阈值选取准则函数.首先导出了一维阈值选取公式;然后经推广得到基于二维斜分对称Tsallis交叉熵及背景与目标面积差的阈值选取公式,给出了其快速递推算法及相应的简化方法.大量实验结果表明:与目前性能较优越的二维斜分Otsu、最大熵、非对称交叉熵阈值分割方法相比,所提出的方法在小目标图像分割效果上具有极为明显的优势.     

基于混合粒子群算法的多目标车辆路径研究

为解决多目标下带时间窗车辆路径的优化问题,提出了将粒子群算法与变异操作相结合的求解方式.设计了一个随迭代次数增加而变化的变异算子,采用轮盘选择机制,以使多目标离散问题能收敛到Pareto最优解集,并在Pareto曲线上有均匀的分布.采用随机键,将连续的粒子位置向量转化为离散的解向量,并通过提出相对最短距离法来评价解集的优劣.所提出的无间隔编码方式,减少了算法的无效迭代.通过实验,验证了该方法的简单有效性.     

基于线性插值的图像分块分割算法

图像分割是图像处理中的一个重要问题,全局阈值法和局部阈值法是图像分割中广泛采用的两类方法。全局阈值法效率高,但是对局部信息不敏感;局部阈值法对局部信息保存较好,但是计算效率不高。针对这一问题,该文提出一种基于分块的图像分割算法。首先将图像分块,然后,每块内采用最大类间方差法计算阈值,最后,块与块之间采用线性插值的方式平滑分割图像。实验表明,该文提出的算法和全局阈值法相比能较好地保存局部信息,和局部阈值法相比有更高的运行效率,在实际中推荐使用。