粒子群算法在图像分割中的应用

1、粒子群算法在图像分割的应用粒子群算法在图像分割的应用 Particle Swarm Algorithm and Its Applications in Image Segmentation电气信息工程学院电气信息工程学院 霍凤财霍凤财引言v粒子群算法，是一种以群体群体为基础 (Population-based) 的最优化启发式启发式算法；v由 James Kennedy 和 Russell Eberhart 两位学者于1995年时所提出。ionic omputing起源v提出该算法的两位学者，由观察鸟群觅食的社会行为得到启发；v鸟群在食物存在的空间中飞行觅食，一开始并不知道最佳的觅食点位置；v

2、每只鸟会凭借着自己的经验或是直觉，飞往它觉得较佳的地点来搜寻食物；v当其他鸟发现了更佳的觅食地点时，鸟群间会以某种类似广播的沟通行为，渐渐的将其它鸟群引领到较佳的地点；v这样的觅食行为是利用社会中所存在的互相影响互相影响的概念，来引领所有个体朝向最佳解位置。鸟群（鱼群）行为抽象v粒子群的概念视为一个简单的社会系统，粒子群的概念视为一个简单的社会系统，每只个体被视为一个解，称之为每只个体被视为一个解，称之为粒子粒子(Particle)；v每个粒子经由适应函数的衡量而具有一个适应值。基本PSO算法12(1)( )()( )( )()( )( )ididididgdidvtwvtcrandptxtc

3、randptxt(1 )()(1 )11idididxtxtvtindD（1）（2）其中，C1,C2为正常数，称为加速因子；rand( )为0，1之间的随机数；w称惯性因子，w较大适于对解空间进行大范围探索(exploration)，w较小适于进行小范围挖掘(exploitation)。第d（1dD）维的位置变化范围为-XMAXd , XMAXd，速度变化范围为-VMAXd , VMAXd，迭代中若位置和速度超过边界范围则取边界值。 PSO 目标式速度：vid(t +1)= wxvid(t)+c1xrand()xpid(t)- xid(t)(t)+c2xrand()xPgd(t)-xid(t)

4、(t)v-速度 w-惯性权重 C-加速因子 pid-局部最优解 Pgd-全局最优解原来速度 vid过去自身经验同伴飞行经验运动向量目前的区域最佳解pbest目前的全域最优解gbest原来位置 xid(t)新位置 xid(t+1)原来速度 vid(t)新速度 vid(t+1) 位置：xid(t+1)=xid(t)+vid(t+1)粒子群最优化抽象v粒子群的概念视为一个简单的社会系统，每只个体粒子群的概念视为一个简单的社会系统，每只个体被视为一个解，称之为被视为一个解，称之为粒子粒子(Particle)；v每个粒子经由每个粒子经由适应函数适应函数的衡量而具有一的衡量而具有一个个适应值。适应值。优化

5、问题PSO 流程 以任意的位置和速度来初始化粒子计算各个粒子的适应值更新 Pid与Pgd 值更新各个粒子位置及速度开始满足终止条件结束否是Particle Swarm研究热点 IEEE TRANSACTION ON EVOLUTIONARY COMPUTION于2004年出版了第3卷：SPECIAL ISSUE ON PSO。Russell C.Eberhart, Yuhui Shi在卷首语中指出了当前PSO研究的几个主要方向及热点：1、算法分析；2、粒子群拓扑结构；3、参数选择与优化；4、与其他演化计算的融合；5、应用。优点vPSO吸引人之处，在于只有少数的参数需要调整；v能加快速度收敛至最

6、优解；v可以被用来解决大多数的最优化问题。阈值选取的图像分割方法阈值选取的图像分割方法 设图像为设图像为f (x, y) ，其灰度级范围是，其灰度级范围是 0，L-1 ，在，在0和和L-1之间选择一个合适的灰度阈值之间选择一个合适的灰度阈值T，则图像分割方法可描述为：则图像分割方法可描述为： 这样得到的这样得到的g (x, y)是一幅是一幅二值图像二值图像。 1( , )( , )0( , )Lf x yTg x yf x yT 直方图阈值双峰法的图像分割程序与效果% 直方图双峰法阈值分割图像程序直方图双峰法阈值分割图像程序 clear I=imread(细胞细胞.png) % 读入灰度图像并

7、显示读入灰度图像并显示 imshow(I); figure;imhist(I); % 显示灰度图像直方图显示灰度图像直方图 Inew=im2bw(I,140/255); % 图像二值化，根据图像二值化，根据140/255 %确定的阈值，划分目标与背景确定的阈值，划分目标与背景 figure;imshow(Inew); % 显示分割后的二值图像显示分割后的二值图像 ;,.,1 , 0/tippPtiO1,.,2, 1)1/(LttippPtiB tiitpp0OOtiOPPtH20log)(BBLtiBPPtH211log)( )(max10ttLtBHHt0)()(t图像分割方式流程 以任意的位置和速度来初始化粒子计算各个粒子的适应值更新 Pid与Pgd 值更新各个粒子位置及速度开始满足终止条件结束否是最大信息熵图像分割的效果最大信息熵图像分割的效果 最大信息熵算法通过编程可以迅速得到计算结果，最大信息熵算法通过编程可以迅速得到计算结果，但对大