一、图像分割中的阈值选取方法（论文文献综述）
张洪博[1]（2021）在《基于群智能优化算法的带钢表面缺陷图像处理方法研究》文中研究说明带钢在机械制造、汽车工业、航空航天和仪器仪表等行业应用广泛。近年来,随着生产设备的升级、改造,带钢的尺寸精度、形状精度和力学性能均得到了较好的控制,然而带钢表面缺陷引起的质量事故时有发生,给生产企业造成了严重的经济损失。机器视觉技术能够实现带钢表面缺陷快速、全面的检测,已成为保证带钢表面质量的重要手段。作为该技术的核心环节,带钢表面缺陷图像处理方法性能的优劣直接影响最终检测结果,因此受到了相关学者和工程技术人员的高度关注。目前,群智能优化算法已经在带钢表面缺陷图像处理中得到了成功的应用,但普遍存在算法探索能力差、收敛速度慢及搜索精度低等问题,进而影响图像处理效果。因此,本文对蚁狮算法（Ant Lion Optimizer,ALO）、蝙蝠算法（Bat Algorithm,BA）和蝗虫算法（Grasshopper Optimization Algorithm,GOA）进行了深入、系统的分析,并提出了改进蚁狮算法（Improved Ant Lion Optimizer,IALO）、自适应蝙蝠算法（Adaptive Bat Algorithm,ABA）和主成分蝗虫算法（Grasshopper Optimization Algorithm with Principal Component Analysis,PCA-GOA）,分别应用于带钢表面缺陷图像增强、图像分割和图像分类领域。本文主要研究内容包括以下几个方面:（1）提出了一种基于IALO算法的带钢表面缺陷图像增强方法。针对ALO算法探索能力差、搜索精度低的问题,提出了三种策略进行改进。首先,设计了一种Lagrange惯性权重,更好地平衡了算法探索搜索和挖掘搜索之间的关系;其次,提出了一种随机扰动入侵杂草策略,通过分段作用的方法与ALO算法结合,既避免了计算量的过度增加,又提升了算法的搜索性能;最后,提出了一种自适应局部搜索策略,提高了算法的收敛速度。通过IALO算法与局部/全局图像增强模型（Local/global Enhancement,LGE）结合,完成了带钢表面缺陷图像增强任务。实验结果表明,与常用图像增强方法相比,本文提出的带钢表面缺陷图像增强方法能够较好地提高图像对比度、凸显缺陷细节;与同类算法相比,IALO算法在解决带钢表面缺陷图像增强问题中优势明显。（2）提出了一种基于ABA算法的带钢表面缺陷图像分割方法。针对BA算法自适应性差、搜索精度低的问题,提出了四种策略进行改进。首先,设计了一种智能惯性权重,该权重可以根据迭代次数和适应度值,智能地调节蝙蝠的飞行速度;其次,提出了一种Beta分布策略,通过蝙蝠搜索频率的自适应调整,实现了算法搜索性能的提升;再次,对局部搜索策略进行了改进,只有适应度值较差的蝙蝠,才能以一定的概率进入局部搜索,进一步提升了算法的搜索性能;最后,提出了一种精英交叉策略,通过对当前迭代最优解和全局最优解的交叉操作,实现了算法挖掘能力的提升。通过ABA算法与最大类间方差法（Otsu）结合,完成了带钢表面缺陷图像分割任务。实验结果表明,与常用图像分割方法相比,本文提出的带钢表面缺陷图像分割方法可以较好地分割出缺陷目标;与同类算法相比,ABA算法在解决带钢表面缺陷图像分割问题中具有更好的搜索性能。（3）提出了一种基于PCA-GOA算法的带钢表面缺陷图像分类方法。针对GOA算法探索能力差、越界蝗虫处理方式不合理的问题,提出了三种策略进行改进。首先,提出了一种改进自适应参数,使适应度值较差的蝗虫具有较长的移动距离,并通过参数补偿机制,实现了算法探索能力的灵活调整;其次,通过主成分分析法（Principle Component Analysis,PCA）生成不相关的蝗虫个体取代低质量个体,提升了算法的搜索性能;最后,设计了一种指数边界变异策略,该策略可以将越界蝗虫逐渐放置到边界附近,提升了越界蝗虫的处理水平。通过PCA-GOA算法与支持向量机（Support Vector Machine,SVM）结合,完成了带钢表面缺陷图像分类任务。实验结果表明,与常用图像分类方法相比,本文提出的带钢表面缺陷图像分类方法具有更高的分类准确率;与同类算法相比,PCA-GOA算法在解决带钢表面缺陷图像分类问题中具有显着优势。（4）为测试本文提出的带钢表面缺陷图像处理方法在真实环境下的使用效果,搭建了带钢表面缺陷图像处理方法性能测试系统,分别对基于IALO算法的带钢表面缺陷图像增强方法,基于ABA算法的带钢表面缺陷图像分割方法和基于PCA-GOA算法的带钢表面缺陷图像分类方法进行性能测试。测试结果表明,在真实环境下本文提出的带钢表面缺陷图像处理方法较其它对比方法具有显着优势。最后,结合本文的研究成果,开发了基于群智能优化算法的带钢表面缺陷图像处理系统。
刘博[2]（2021）在《基于活动轮廓模型的图像分割算法研究》文中进行了进一步梳理图像分割是图像处理领域和计算机视觉领域中的关键技术之一。活动轮廓模型分割法因在医学图像等复杂图像的分割中取得了较好的分割效果而被广泛应用。医学图像大多为灰度不均的且含噪声的图像,基于区域的局部二值拟合活动轮廓模型有效解决了该类型图像的分割问题,但该模型中存在水平集函数演化效率低、分割效果易受噪声影响以及初始轮廓敏感等问题。本文针对以上问题进行改进并做出仿真,具体工作如下:1.针对模型分割效率低和易受噪声影响的问题,提出一种基于局部区域信息的固定水平集法:通过对符号距离函数的改进,使用固定距离替代点到曲线的真实距离,简化了符号距离函数初始化过程的计算复杂度,提高了演化效率。同时对符号距离函数的梯度计算进行定义,决定了水平集算法中符号距离函数仅在零水平集曲线周围小范围窄带内发生变化。因此只需计算窄带内的像素点而无需对所有点进行计算,极大减少模型计算量,进一步提高效率。最后针对模型提出收敛条件,减少模型演化所需时间。在符号距离函数初始化前采用高斯函数对其进行规则化来平滑噪声,提高模型抗噪性从而改善分割效果。2.针对模型对初始轮廓敏感的问题,提出一种基于局部同向拟合的改进方法:对曲线演化相反方向的局部区域交换拟合值来确保分割曲线均沿着目标区域轮廓内边界或外边界演化而不停留在目标区域内部造成错误分割。降低模型对初始轮廓的敏感程度,改善了分割效果。本文在理论研究与实践相结合,将以上改进方法应用到医学灰度不均图像的分割实验中,并取得了良好的分割结果,以此证明了提出方法的有效性。医学图像分割效率和效果的改善有助于医疗问诊与医学研究,因此本文研究内容具有一定应用价值。
谢敏[3]（2021）在《智能手机PCBA缺陷布谷鸟群优化多阈值分割及识别》文中提出智能手机PCBA（Printed Circuit Board Assembly）溢胶、过焊等缺陷识别是自动化产线的重要保障,而缺陷区域的精确分割是提升缺陷类型及缺陷等级识别准确率的前提。鉴于PCBA零部件的密集性和缺陷类型的多样性,采用多阈值分割技术是一种合理的思路,但多阈值的优化选择缺乏有效的自适应方法。论文以提高智能手机PCBA缺陷区域分割的精度以保证缺陷识别的正确率为研究目标,聚焦多阈值的优化选择,开展了基于布谷鸟群优化算法的缺陷区域多阈值分割算法研究以及基于局部面积效应的缺陷识别研究。主要内容包括:（1）布谷鸟搜索算法在图像分割中的优势及缺陷研究。对比研究了四种常用群智能优化算法。选取多组基本测试函数作为目标函数,通过适应度值大小初步判断四种算法的性能,并将算法应用到经典图像分割上,对比实验结果表明,布谷鸟搜索算法在多阈值优化选择方面具有明显的优势,但同时存在搜索范围受限、易陷入局部最优和缺乏优势解信息学习等主要缺陷;（2）布谷鸟群优化算法研究。采用基于柯西分布和逐维更新的Lévy飞行策略生成候选解,通过正态随机数生成干扰解,采用模拟退火算法中的Metropolis准则从候选解和干扰解中选择优势解,并采用轮盘赌和双向选择随机游走策略强化学习优势解信息,把强化后的优势解作为新解替换淘汰后的解,从而提出一种改进的布谷鸟群优化算法。对比实验结果表明,改进的算法能有效避免传统布谷鸟搜索算法存在搜索范围受限、易陷入局部最优和缺乏优势解学习的缺陷,能有效得到全局最优解且具有较好的鲁棒性;（3）智能手机PCBA缺陷布谷鸟群优化多阈值分割算法研究。针对OTSU多阈值分割算法和SNIC＿信息熵多阈值分割算法均存在多阈值选择缺乏自适应性的缺陷,分别提出布谷鸟群优化多阈值OTSU分割算法和布谷鸟群优化多阈值SNIC＿信息熵分割算法,并应用于智能手机PCBA缺陷分割。实验结果表明,两种新分割算法均在分割精度和鲁棒性方面有明显提升,且布谷鸟群优化多阈值SNIC＿信息熵分割算法整体性能优于布谷鸟群优化多阈值OTSU分割算法;（4）基于局部面积效应的智能手机PCBA缺陷识别研究。针对智能手机PCBA溢胶、过焊两种缺陷等级识别任务,采用基于灰度信息的模板匹配算法实现缺陷区域检测,采用谷鸟群优化多阈值SNIC＿信息熵分割算法实现缺陷区域的精确分割。在此基础上,采用局部面积效应法计算目标缺陷区域像素面积,并结合PCBA产线缺陷等级标准及成像系统的标定参数,提出一种智能手机PCBA缺陷等级识别方法。
翟珂[4]（2020）在《基于改进FCM算法的炉膛速度场图像分割》文中认为图像分割是图像分析处理过程的一个关键步骤,在医疗、机器视觉、遥感图像分析等众多领域被广泛应用。本文提出一种基于改进布谷鸟的模糊C均值聚类（Fuzzy C-Means clustering,FCM）图像分割算法,用于火电厂炉膛速度场图像分割,为图像处理技术在炉内空气动力场分析中的应用提供理论依据。本文主要工作如下:（1）本文对布谷鸟算法进行了研究,分析了该算法在求解最优值问题时的优势和不足。针对布谷鸟算法中发现概率为固定值,会影响算法寻优速度的问题,本文定义了一种可变发现概率的求取公式,提出改进的布谷鸟优化。算法,选取了几个常用测试函数对改进后的算法进行性能测试,结果表明改进后算法的平均运行速度提高了5%,平均目标函数值优化了 6.93%。（2）本文分析了传统分割方法在炉膛速度场图像分割中的优缺点,总结出聚类方法分割此类图像更具优势,进而者重研究了FCM聚类算法在炉膛速度场图像分割中的应用,针对FCM 算法对初始聚类中心敏感且易陷入局部最优的问题,本文提出一种基于改进布谷鸟的FCM图像分割算法,利用BSD500图像分割数据集对改进算法进行图像分割质量评价.实验表明基于改进布谷鸟的FCM图像分割算法分割质量良好,平均相似度系数达到了89.97%,平均杰卡德系数达到了86,28%,平均精确度达到了88.74%,平均召回率达到了91.76%。（3）本文基于FLUENT进行了四角切圆燃煤锅炉速度场仿真实验,获取了二维速度场仿真图像,用课题研究中提出的基于改进布谷鸟的FCM图像分割算法对其进行分割,提取出了速度场图像中心切圆及进风偏角区域,通过实验总结出速度场图像在聚类数为5～7类时分割时效果良好,验证了基于改进布谷鸟的FCM算法对炉膛速度场图像的分割质量优于传统图像分割算法。基于FLUENT进行了速度场仿真实验,利用MATLAB平台对速度场仿真图像进行了分割,通过分割质量对比实验验证了本文所提出的分割算法有效可行。
席俊[5]（2020）在《改进布谷鸟算法的性能及应用研究》文中研究指明布谷鸟算法（Cuckoo Search Algorithm,CS）是受布谷鸟借巢产蛋繁殖行为所启发的一类元启发式优化方法。因其结构简单、运算速度快、全局搜索能力强等优点,布谷鸟算法自被提出后便在各种仿生类算法中脱颖而出,迅速成为国内外学者研究和讨论的一大热点。本文在前人研究的基础上,针对布谷鸟算法仍存在收敛速度慢,寻优精度不高等问题,提出了两种新的改进布谷鸟算法,并将其应用于多阈值图像分割中。其主要工作可以概括如下:为了解决布谷鸟算法的早熟收敛问题,本文提出了一种混合差分进化的布谷鸟算法（Hybrid Cuckoo Search and Differential Evolution Algorithm,CSDE）。该算法在全局搜索过程中先判断种群是否出现聚集现象,然后对早熟个体采用差分进化操作以增加种群多样性;在局部搜索中则将偏好随机游走策略与差分进化策略相结合提高局部搜索能力。在CEC 2013的28个基准函数上进行的仿真实验,验证了CSDE算法同标准的布谷鸟算法及其它类似的元启发式算法相比具有更大的竞争力。针对布谷鸟算法种群内缺乏信息交流机制,没有及时利用更新后个体的有用信息导致收敛速度慢、寻优效果差等问题,本文提出了一种基于双子种群和信息共享策略（Dual-subpopulation and Information-sharing Strategy,DSIS）的布谷鸟算法。DSIS策略将整个种群划分为两个子种群,并为每个子种群提供不同的更新策略,且促使后一个子种群可以有效地利用前一个子种群在收敛方向上的信息来完成更新任务,加快算法的收敛速度。实验数据充分表明该策略不仅能有效地提高标准布谷鸟算法的优化性能还有利于提高多种CS变体的优化性能。最后,本文进一步将提出的CSDE算法和DSIS＿CS算法应用在多阈值图像分割中。基于Otsu法确定算法优化的目标函数,通过多幅测试图像且在多个不同阈值的条件分别验证了这两种分割方法的实用性。
王菲[6]（2020）在《改进的模糊C均值算法研究及在图像分割中的应用》文中研究说明随着大数据时代的到来,信息呈现出爆炸式的增长,如何从这些海量的数据中提取我们需要的信息显得尤为重要。作为我们认识世界和获取信息的重要途径,各种图像处理方法受到了极大的关注。图像分割作为图像处理中非常关键的一个环节,聚类是核心方法之一。由于获取信息的手段多种多样,不能保证得到信息的准确性,模糊环境下的基于聚类方法实现图像分割方法应运而生,在这些方法中,模糊C均值算法（Fuzzy C-Means,FCM）在许多模糊聚类算法中脱颖而出,并因其实现简单,分割效果良好的特点广泛应用于图像分割之中。但是模糊C均值算法不包含像素的空间信息,也是较为明显的弊端之一,并且难以抑制受到噪声的影响,其次是初值需要进行人为设置,存在随机性。而一些改进中增加了一些约束项或空间信息,容易造成算法运行时间过长,降低了收敛速度,导致算法效率不高。基于上述原因,本文对国内外的现有的改进算法从融入空间信息方面、增强算法抗噪性方面、降低算法时间复杂度方面以及将一些模糊集进行推广后的改进算法等六个方面进行了总结,对在克服FCM算法对噪声敏感的同时提升算法的效率加快算法的收敛速度进行了研究,并将改进的算法应用在图像分割当中。取得的主要研究成果如下:（1）为了解决FCM易陷入局部最优的问题,本文提出新的直觉模糊熵公式,并用其求样本特征权重,然后采用贪心思想从特征权重较大具有代表性的点中选取初始聚类中心。引入直觉模糊熵公式求特征权重得到特征矢量,以特征矢量为中心计算欧氏距离定义区域密度,只在高密度且相互之间距离尽可能远的区域选取初始聚类中心,之后用汽车数据集的算例进行实验验证,检验算法有效性和可行性。（2）为了使算法处理模糊问题的能力更强,本文将模糊集推广到直觉模糊集,并将核诱导距离扩展到直觉模糊核诱导距离代替欧氏距离,通过竞争学习的思想引入抑制因子,利用犹豫度生成并用来修正隶属度,并在算法中加入加权的局部空间和灰度信息的约束项修正目标函数。然后,对算法效果进行图像分割实验验证,分割对象分别包括原始图像和加噪的原图像,得到实验结果分析。（3）由于中智集处理模糊边界信息比直觉模糊集更有优势,本文将直觉模糊集更进一步推广到中智集,用能够自适应生成的距离测度公式作为抑制因子修正真隶属度,得到自适应抑制式中智FCM算法,然后对改进算法进行图像分割实验验证,分别对原始图像和加噪的原图像进行分割,得到实验结果分析。（4）将本文中提出的两种改进算法分别对高斯噪声图像和椒盐噪声图像进行分割,并与FCM算法、IFCM算法分割得到的效果图进行分析比较,验证算法的优越性。同时引入评价指标,定量分析算法的改进效果,验证本文提出改进算法的有效性。
孙敏[7]（2020）在《基于群体智能的图像多阈值分割方法研究》文中进行了进一步梳理图像分割的主要工作是把图像分成若干个具有特定性质的区域并将感兴趣的目标提取出来。在现有的图像分割算法中,多阈值法因其简单、最为直接而被广泛发展应用于多目标图像分割。但该方法计算量大且复杂度较高,严重影响分割效率。多阈值法实质上是以一定的准则在复杂的参数空间中快速寻找到最佳分割阈值,而群体智能优化算法可对复杂非线性、多维问题进行快速有效的计算,且能够在较短的时间内搜索到令人满意的全局最优解,缩短计算时间。因此,为了提高多阈值法的分割效率,将群体智能优化算法应用到图像多阈值分割成为研究热点问题。但是这类方法普遍存在寻优后期搜索速度较慢、易陷入局部最优的缺点,从而导致求解精度较低。本文针对传统的布谷鸟算法、粒子群算法以及鲸鱼算法,从不同角度进行改进,并将改进方法应用于图像分割的多阈值选取,用以提高图像分割精度和速度。主要研究成果如下:（1）基于当前种群的适应度值自适应确定布谷鸟算法的迭代步长,改进传统布谷鸟算法。传统布谷鸟算法应用于多阈值分割时,其计算量随着阈值个数的增加呈指数增长。其原因是传统布谷鸟算法采用固定的步长,而忽略了个体寻优能力的差异性。因此,本文将Levy飞行环节中的迭代步长设置为由当前种群的适应度值自适应确定,并将偏好随机游动环节中的发现概率pa设置为随着当前迭代次数和总迭代次数的改变而改变。这样的改进策略,增加了种群的多样性,使得算法寻优后期能够及时跳出局部最优,避免早熟。为了验证改进算法的效率和精度,将改进算法与经典的布谷鸟算法、Naik的自适应布谷鸟算法进行比较。实验结果表明,改进的算法能够快速选取最佳分割阈值且分割精度明显提高。（2）利用Circle映射产生的混沌扰动策略,改进达尔文粒子群算法,并用于彩色图像的多阈值分割。达尔文粒子群算法后期易陷入局部最优,导致图像分割不精确。而混沌运动具有随机性、遍历性和初值敏感性等优点,因此本文利用Circle映射产生的混沌扰动策略对全局最佳粒子位置进行修正,有效地防止算法陷入局部最优,从而加快收敛并提高搜索精度。此外,本文将最大熵作为目标函数,利用改进的算法进行寻优得到最佳阈值,实现彩色图像多阈值分割。为了阐释改进方法的优劣性,选取了三幅彩色图像,将改进算法与达尔文粒子群算法、粒子群算法以及和声算法进行对比。实验结果表明,改进算法可以准确地提取出目标,增强彩色图像的分割效果。（3）利用McCulloch方法可以高效生成稳定随机变量的特点,改进鲸鱼算法,用于遥感图像的多阈值分割过程。传统的鲸鱼算法寻优后期易出现搜索精度低,导致图像分割的效果较差。因此,本文引入McCulloch方法对当前最佳鲸鱼个体进行变异扰动,使其在最优位置附近进行精细搜索,扩大搜索范围,提高群体多样性,以平衡鲸鱼算法的全局搜索和局部搜索能力,从而提高算法的寻优精度,避免算法出现早熟收敛现象。此外,本文以最大类间方差作为目标函数,利用改进的算法进行寻优得到最佳分割阈值,将遥感图像中的关注目标准确提取出来。为了验证改进算法的寻优精度,选取了三幅遥感图像,将改进的鲸鱼算法与其他分割法进行比较。实验结果表明,改进鲸鱼算法具有较高的精度,提高了遥感图像的分割质量。图[35]表[13]参[122]
孙雪婷[8]（2020）在《改进MRF在输油管道高后果区遥感图像分割中的应用》文中研究说明随着遥感技术研究的深入,遥感卫星传输的图像分辨率越来越高,这些遥感图像中包含了更丰富的地物细节信息。输油管道是一种持续运输的高危系统,高后果区是指当管道发生泄漏后危及公众生命安全,损失财产、污染环境等产生较大破坏的区域。因此,对输油管道高后果区的安全监控是十分必要的。通过航拍或卫星获取油田遥感图像可以确认输油管道的位置及其周边环境变化,出现问题时可以第一时间采取相应安全措施。但是对管道全线高后果区监控需要耗费大量的人力、财力。因此,有效地利用这些遥感影像对信息掌控和未来规划都具有重要意义,同时实现对输油管道高后果区的图像分割也具有非常实际的价值。在处理图像分割问题时最普遍使用的模型是马尔科夫模型。马尔科夫模型数学理论基础完备,且具有优秀的空间信息表达能力。本文主要研究基于马尔科夫随机场理论的图像建模和图像分割算法,本文主要工作如下:首先,针对马尔科夫模型对整幅图像只选取一个势函数参数,缺少与实际图像相联系的自适应性而导致分割结果不够细腻的问题,设计一种针对不同图片自适应选取势函数参数的方法,依据灰度级差异将图像内部相近或者相同的像素点划为一类,给具有相似性质的像素点赋予同一个势函数参数。在此基础上,提出一种融入图像像素点灰度信息、邻域相关性、边缘梯度信息的模糊势函数模型,获取更多像素间细微的差别来描述像素被分入同一类的可能性,以此提高分割的精确度。其次,为了解决马尔科夫模型中特征场和标记场对目标能量函数贡献相同的权而给分割结果带来的影响,且固定权重不能够达到平衡两部分的作用,通过分析目标能量函数中标记场与特征场间的约束关系,提出了一个可以调整二者占比关系的变权重系数,从而达到优化算法目标函数的目的。再次,基于条件迭代的马尔科夫算法存在难以获得全局最优解,分割结果随机性过强的问题,通过引入寻优准确、鲁棒性较好的人工蜂群策略在多次迭代结果中搜索得到全局最小图像能量并输出图像分割结果。为了提高算法时效性,将像素点分为确定点和模糊点两类,提出一种基于人工蜂群策略的模糊马尔科夫算法,剔除确定点,只对模糊点进行能量计算。从而提高效率,缩短了运算时间。最后,通过直观观察分割结果图和计算比较峰值信噪比（PSNR）与结构相似性（SSIM）,证明了本文改进的马尔科夫算法与其他分割算法具有更好的分割效果,并使用改进算法分割输油管道高后果区遥感图像,观察分析改进算法的分割效果。
马义想[9]（2020）在《鲸鱼优化算法的改进及其在多阈值图像分割中的应用》文中研究指明优化是具有普遍适用性的工程数学问题,在面对大规模、复杂化应用时传统的数值优化方法难以在有效时间内给出合理解。而现代元启发式算法则能够快速解决这些大规模复杂性问题,并得到满意解。鲸鱼优化算法是澳大利亚学者Seyedali Mirjalili于2016年提出的一种新型全局搜索算法。该算法模拟座头鲸的螺旋气泡网捕食方式,具有机制优越、涉及参数少、结构简单、全局搜索能力强等优点,是近几年进化计算领域最具研究和应用价值的重要算法之一。但鲸鱼优化算法仍存在稳定性不高、收敛速度慢、局部搜索能力较弱等缺点,限制了算法在实际中的进一步应用。本文针对鲸鱼优化算法存在的不足,进行了深入地分析和改进,目的在于改善鲸鱼优化算法的寻优机制和性能,拓展其在函数极值优化、工程设计约束优化及多阈值图像分割方面的应用。本文的主要研究工作如下:（1）提出一种基于分段式随机惯性权重和最优反馈机制的鲸鱼优化算法。首先在随机游走觅食策略中引入基于当前全局最优解的反馈机制,加快算法收敛速度,增强求解稳定性;同时在收缩包围策略和螺旋气泡网捕食策略中引入分段式随机惯性权重,不仅提高寻优精度,也增强了算法跳出局部极值的能力;最后对越界处理进行修正和改进,消除了进化成果可能丢失的隐患,解决了若较多个体越界导致越界处理后大量趋同损害多样性的问题。将改进算法与5种代表性算法在12个基准测试函数和6个工程设计优化问题上进行的实验结果表明,该改进算法的寻优性能、求解稳定性、对不同问题的适用性和有效性均明显优于其它5种对比算法。（2）提出一种基于混沌映射和迭代局部搜索策略的鲸鱼优化算法。首先将Logistic混沌映射引入种群初始化阶段,以增加种群的活跃性,减少算法陷入局部极值的可能;同时改进惯性系数a和系数向量C,调节算法全局大范围探索与局部精细搜索的平衡,在保证种群多样性的同时加快算法收敛速度;最后引入迭代局部搜索策略,进一步降低算法陷入局部极值的风险,有利于算法找到全局最优解。理论分析证明该改进算法的时间复杂度与基本鲸鱼优化算法一致,并没有降低算法的执行效率。在13个基准函数上的实验结果则充分说明了该改进算法的寻优精度、收敛速度、求解稳定性和跳出局部极值的能力优于其他5种对比算法。（3）将基于混沌映射和迭代局部搜索策略的鲸鱼优化算法应用于求解多阈值图像分割问题。构建适于求解图像分割问题的编码方式,定义了基于最大熵值的适应度函数,将鲸鱼个体的位置、维度和目标函数适应度值分别对应于图像的像素区间、阈值和熵值。采用最大熵、平均执行时间、结构相似性、峰值信噪比等多种评判方法比较判断图像分割的优劣。通过7种对比算法分割大量图像的仿真实验结果表明,改进算法能够快速分割图像、准确选择阈值、提高图像分割质量,是一种高效实用的图像分割方法。
冯魁祥[10]（2020）在《遥感图像河流提取方法研究》文中认为河流在我国地形地貌中占据着重要的地位,对于河流水域的监控有助于更好的利用水资源、减少洪涝灾害以及水利水电的调控。遥感技术的迅速发展可以实现地表信息采集处理。通过遥感图像河流提取可以对河流水域状况、面积以及河道变迁进行有效地监控。本文根据遥感图像中河流特征,通过对区域生长算法应用、以及彩色HSV图像分割进行研究,提出了基于K-means聚类的区域生长算法,并且将彩色HSV图像分割应用于遥感图像河流提取中。针对区域生长初始种子点人工选取造成的效率低、准确度低等问题,提出了基于K-means聚类的区域生长算法。该算法对遥感图像进行边缘分割获得河流边界框架;运用形态学处理填充河流框架,进行K-means聚类方法获得河流质点;将该质点作为区域生长算法起始点,进行生长获得河流目标。针对遥感图像处理中需要灰度转换造成的信息丢失、非连通水域难以提取问题,提出了基于HSV彩色图像遥感图像河流提取方法。该算法通过将彩色RGB图像转换为彩色HSV图像;将H、S分量点乘去除这两个分量对图像分割的影响;通过经验方法设定V阈值为0.4,与H、S分量点乘图构造阈值图像,阈值图像与彩色RGB图像相乘进行分割;根据形状检测去除非河流水域获得河流水域。论文对遥感图像河流提取方法进行研究,同时进行算法的实验论证。通过实验可以验证出改进区域生长算法可以有效地提高河流提取的准确度和效率;彩色HSV图像分割可以有效地提取河流及水域。
二、图像分割中的阈值选取方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、图像分割中的阈值选取方法（论文提纲范文）
（1）基于群智能优化算法的带钢表面缺陷图像处理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 群智能优化算法研究现状 |
| 1.3 带钢缺陷图像处理研究现状 |
| 1.3.1 带钢表面缺陷图像增强研究现状 |
| 1.3.2 带钢表面缺陷图像分割研究现状 |
| 1.3.3 带钢表面缺陷图像分类研究现状 |
| 1.4 本文的主要研究内容 |
| 第2章 群智能优化算法及带钢表面缺陷图像处理基础理论 |
| 2.1 引言 |
| 2.2 群智能优化算法及算法改进基础理论 |
| 2.2.1 蚁狮算法 |
| 2.2.2 入侵杂草算法 |
| 2.2.3 蝙蝠算法 |
| 2.2.4 蝗虫算法 |
| 2.2.5 算法改进基础理论 |
| 2.3 带钢表面缺陷图像处理基础理论 |
| 2.3.1 局部/全局图像增强 |
| 2.3.2 最大类间方差法 |
| 2.3.3 局部二值模式 |
| 2.3.4 支持向量机 |
| 2.3.5 图像质量评价 |
| 2.4 带钢表面缺陷数据集 |
| 2.5 本章小结 |
| 第3章 基于改进蚁狮算法的带钢表面缺陷图像增强方法 |
| 3.1 引言 |
| 3.2 蚁狮算法及应用分析 |
| 3.3 改进蚁狮算法 |
| 3.3.1 Lagrange惯性权重 |
| 3.3.2 随机扰动入侵杂草策略 |
| 3.3.3 自适应局部搜索策略 |
| 3.3.4 算法时间复杂度分析 |
| 3.4 基于改进蚁狮算法的带钢表面缺陷图像增强方法实现 |
| 3.5 实验及结果分析 |
| 3.5.1 带钢表面缺陷图像增强实验 |
| 3.5.2 改进策略有效性分析 |
| 3.6 本章小结 |
| 第4章 基于自适应蝙蝠算法的带钢表面缺陷图像分割方法 |
| 4.1 引言 |
| 4.2 蝙蝠算法及应用分析 |
| 4.3 自适应蝙蝠算法 |
| 4.3.1 智能惯性权重 |
| 4.3.2 Beta分布策略 |
| 4.3.3 选择性局部搜索策略 |
| 4.3.4 精英交叉策略 |
| 4.3.5 算法时间复杂度分析 |
| 4.4 基于自适应蝙蝠算法的带钢表面缺陷图像分割方法实现 |
| 4.5 实验及结果分析 |
| 4.5.1 自适应蝙蝠算法参数选择 |
| 4.5.2 带钢表面缺陷图像分割实验 |
| 4.6 本章小结 |
| 第5章 基于主成分蝗虫算法的带钢表面缺陷图像分类方法 |
| 5.1 引言 |
| 5.2 蝗虫算法及应用分析 |
| 5.3 主成分蝗虫算法 |
| 5.3.1 改进自适应参数 |
| 5.3.2 主成分分析策略 |
| 5.3.3 指数边界策略 |
| 5.3.4 算法时间复杂度分析 |
| 5.4 基于主成分蝗虫算法的带钢表面缺陷图像分类方法实现 |
| 5.5 实验及结果分析 |
| 5.6 本章小结 |
| 第6章 带钢表面缺陷图像处理方法的性能测试及应用 |
| 6.1 引言 |
| 6.2 测试系统搭建 |
| 6.3 方法性能测试 |
| 6.3.1 基于改进蚁狮算法的带钢表面缺陷图像增强方法性能测试 |
| 6.3.2 基于自适应蝙蝠算法的带钢表面缺陷图像分割方法性能测试 |
| 6.3.3 基于主成分蝗虫算法的带钢表面缺陷图像分类方法性能测试 |
| 6.4 带钢表面缺陷图像处理系统开发 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 论文中提出的创新点 |
| 7.3 后续研究工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 攻读博士学位期间研究成果 |
（2）基于活动轮廓模型的图像分割算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文组织结构 |
| 第二章 图像分割相关理论 |
| 2.1 图像分割方法 |
| 2.1.1 阈值分割法 |
| 2.1.2 边缘分割法 |
| 2.1.3 区域分割法 |
| 2.2 曲线演化理论 |
| 2.3 水平集算法 |
| 2.4 活动轮廓模型 |
| 2.4.1 Snake模型 |
| 2.4.2 Chan-Vese模型 |
| 2.4.3 LBF模型 |
| 2.5 本章小结 |
| 第三章 基于固定距离水平集的LBF活动轮廓模型 |
| 3.1 水平集效率问题 |
| 3.1.1 效率问题分析 |
| 3.1.2 以往研究改进 |
| 3.2 基于固定符号距离函数的水平集算法 |
| 3.2.1 方法介绍 |
| 3.2.2 演化过程 |
| 3.3 基于局部区域固定距离水平集的LBF活动轮廓模型 |
| 3.3.1 模型改进 |
| 3.3.2 算法主要步骤 |
| 3.4 实验结果与分析 |
| 3.4.1 分割效率分析 |
| 3.4.2 分割效果分析 |
| 3.4.3 初始轮廓分析 |
| 3.5 本章小结 |
| 第四章 基于局部同向拟合的LBF活动轮廓模型 |
| 4.1 初始轮廓敏感问题 |
| 4.2 局部同向拟合法 |
| 4.2.1 方法介绍 |
| 4.2.2 演化过程 |
| 4.3 基于局部同向拟合的LBF活动轮廓模型 |
| 4.3.1 模型改进 |
| 4.3.2 算法主要步骤 |
| 4.4 实验结果分析 |
| 4.4.1 分割结果对比 |
| 4.4.2 多种初始轮廓分割对比 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（3）智能手机PCBA缺陷布谷鸟群优化多阈值分割及识别（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像分割算法国内外研究现状 |
| 1.2.2 群智能优化算法国内外研究现状 |
| 1.2.3 智能手机PCBA缺陷识别国内外研究现状 |
| 1.3 论文主要工作及结构 |
| 1.3.1 论文主要工作 |
| 1.3.2 论文结构 |
| 2 布谷鸟搜索算法在图像分割中的优势及缺陷研究 |
| 2.1 引言 |
| 2.2 群智能优化算法 |
| 2.2.1 蝙蝠算法 |
| 2.2.2 遗传算法 |
| 2.2.3 粒子群算法 |
| 2.2.4 布谷鸟搜索算法 |
| 2.3 布谷鸟搜索算法在图像分割中的优势 |
| 2.4 布谷鸟搜索算法在图像分割中的缺陷 |
| 2.5 本章小结 |
| 3 布谷鸟群优化算法研究 |
| 3.1 引言 |
| 3.2 布谷鸟群优化算法研究 |
| 3.2.1 基于柯西分布的Lévy飞行策略 |
| 3.2.2 基于正态扰动和模拟退火的更新策略 |
| 3.2.3 基于轮盘赌和双向选择的随机搜索策略 |
| 3.2.4 改进算法流程 |
| 3.3 实验结果及分析 |
| 3.4 本章小结 |
| 4 智能手机PCBA缺陷布谷鸟群优化多阈值分割算法研究 |
| 4.1 引言 |
| 4.2 布谷鸟群优化多阈值OTSU分割算法研究 |
| 4.2.1 多阈值OTSU图像分割算法及其缺陷 |
| 4.2.2 智能手机PCBA缺陷布谷鸟群优化多阈值OTSU分割 |
| 4.2.3 实验结果及分析 |
| 4.3 布谷鸟群优化多阈值SNIC_信息熵分割算法研究 |
| 4.3.1 SNIC超像素聚类分割算法及其缺陷 |
| 4.3.2 智能手机PCBA缺陷布谷鸟群优化多阈值SNIC_信息熵分割 |
| 4.3.3 实验结果及分析 |
| 4.4 两种布谷鸟群优化多阈值分割算法性能对比分析 |
| 4.5 本章小结 |
| 5 基于局部面积效应的智能手机PCBA缺陷识别研究 |
| 5.1 引言 |
| 5.2 缺陷区域检测 |
| 5.3 缺陷分割及基于局部面积效应的缺陷面积计算 |
| 5.3.1 缺陷目标区域分割 |
| 5.3.2 基于局部面积效应的缺陷面积计算 |
| 5.4 缺陷等级定义及缺陷等级识别 |
| 5.4.1 智能手机PCBA缺陷等级定义 |
| 5.4.2 缺陷等级识别 |
| 5.5 实验结果分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 论文不足之处与后续工作展望 |
| 致谢 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（4）基于改进FCM算法的炉膛速度场图像分割（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 课题研究现状及发展趋势 |
| 1.2.1 图像分割技术研究现状及发展趋势 |
| 1.2.2 基于FLUENT的锅炉燃烧数值模拟发展现状 |
| 1.3 本文内容结构安排 |
| 1.4 本文创新点 |
| 2 传统分割方法在炉膛速度场图像分割中的应用 |
| 2.1 基于阈值的炉膛速度场图像分割 |
| 2.1.1 全局阈值法 |
| 2.1.2 局部阈值法 |
| 2.2 基于边缘检测的炉膛速度场图像分割 |
| 2.2.1 边缘检测法 |
| 2.2.2 边界跟踪法 |
| 2.3 基于区域的炉膛速度场图像分割 |
| 2.4 基于聚类的炉膛速度场图像分割 |
| 2.5 炉膛速度场图像分割对比分析 |
| 2.6 本章小结 |
| 3 改进的布谷鸟优化算法 |
| 3.1 布谷鸟算法的理论基础 |
| 3.1.1 莱维飞行理论 |
| 3.1.2 布谷鸟算法原理 |
| 3.1.3 布谷鸟算法基本流程 |
| 3.2 布谷鸟算法的改进 |
| 3.2.1 标准布谷鸟算法的不足 |
| 3.2.2 布谷鸟优化算法的改进方法 |
| 3.2.3 改进算法的实验验证 |
| 3.3 本章小结 |
| 4 基于改进布谷鸟的FCM图像分割算法 |
| 4.1 模糊聚类算法 |
| 4.1.1 模糊集基本知识 |
| 4.1.2 FCM算法原理 |
| 4.1.3 FCM算法流程 |
| 4.2 基于FCM的图像分割算法研究 |
| 4.3 基于改进布谷鸟的FCM图像分割算法的实现 |
| 4.3.1 改进算法的基本思想 |
| 4.3.2 改进算法适应度函数的选取 |
| 4.3.3 改进算法的实现流程 |
| 4.3.4 改进的FCM图像分割算法分割结果分析 |
| 4.4 改进的FCM图像分割算法分割质量评价 |
| 4.4.1 图像分割质量评价理论基础 |
| 4.4.2 图像分割质量评价指标 |
| 4.4.3 基于BSD500数据集的图像分割质量评价结果 |
| 4.5 本章小结 |
| 5 实验验证与分析 |
| 5.1 四角切圆锅炉速度场仿真 |
| 5.1.1 Gambit几何建模 |
| 5.1.2 FLUENT仿真过程 |
| 5.1.3 仿真结果 |
| 5.2 图像分割实验结果与分析 |
| 5.2.1 炉膛速度场图像分割实验 |
| 5.2.2 炉膛速度场图像分割质量评价 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）改进布谷鸟算法的性能及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要内容和结构 |
| 第2章 布谷鸟算法 |
| 2.1 仿生原理 |
| 2.2 数学模型 |
| 2.3 性能特征 |
| 2.4 本章小结 |
| 第3章 混合差分进化的布谷鸟算法 |
| 3.1 差分进化算法与研究动机 |
| 3.2 混合差分进化的布谷鸟算法 |
| 3.3 实验结果与分析 |
| 3.4 本章小结 |
| 第4章 基于双子种群和信息共享策略的布谷鸟算法 |
| 4.1 研究动机 |
| 4.2 基于双子种群和信息共享策略的布谷鸟算法 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 改进布谷鸟算法在多阈值图像分割中的应用 |
| 5.1 图像阈值分割的基本介绍 |
| 5.2 基于改进布谷鸟算法的多阈值图像分割方法 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 |
| 在学期间发表的论文 |
| 致谢 |
（6）改进的模糊C均值算法研究及在图像分割中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究的背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 模糊C均值图像分割方法的国内外研究现状 |
| 1.3.2 图像分割方法的国内外研究现状 |
| 1.4 本文创新点和结构安排 |
| 1.4.1 本文创新点 |
| 1.4.2 本文结构安排 |
| 第2章 理论基础 |
| 2.1 模糊集合 |
| 2.1.1 模糊集 |
| 2.1.2 直觉模糊集 |
| 2.1.3 中智集 |
| 2.2 模糊C均值算法 |
| 2.2.1 C均值聚类算法 |
| 2.2.2 模糊C均值聚类算法 |
| 2.3 已有的改进模糊C均值算法 |
| 2.4 本章总结 |
| 第3章 基于直觉模糊熵改进的模糊C均值算法 |
| 3.1 直觉模糊熵 |
| 3.2 直觉模糊熵确定特征权重 |
| 3.2.1 新的直觉模糊熵公式 |
| 3.2.2 选取初始聚类中心 |
| 3.3 基于直觉模糊熵选取初始聚类中心的方法 |
| 3.3.1 算法流程 |
| 3.3.2 算例验证 |
| 3.4 本章总结 |
| 第4章 融入局部空间信息的直觉模糊C均值算法 |
| 4.1 直觉模糊核聚类算法 |
| 4.1.1 核函数 |
| 4.1.2 直觉模糊核距离 |
| 4.1.3 基于核的直觉模糊C均值算法 |
| 4.2 图像的直觉模糊化 |
| 4.3 结合空间信息的抑制式直觉模糊核聚类算法 |
| 4.3.1 抑制式FCM |
| 4.3.2 KSAIFCM_L算法描述 |
| 4.3.3 算法流程 |
| 4.3.4 算法验证 |
| 4.4 本章总结 |
| 第5章 基于中智集的自适应抑制式模糊C均值算法 |
| 5.1 距离测度公式 |
| 5.2 基于中智集的FCM算法 |
| 5.3 自适应抑制式中智模糊C均值算法 |
| 5.3.1 ASNCM_D算法描述 |
| 5.3.2 算法流程 |
| 5.3.3 算法验证 |
| 5.4 本章总结 |
| 第6章 改进的模糊C均值算法在图像分割中的应用 |
| 6.1 KSAIFCM_L和 ASNCM_D算法图像分割实验 |
| 6.1.1 添加高斯噪声图像分割结果 |
| 6.1.2 添加椒盐噪声图像分割结果 |
| 6.2 算法分割性能验证 |
| 6.3 本章总结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 有待进一步解决的问题 |
| 参考文献 |
| 致谢 |
| 在学期间主要科研成果 |
（7）基于群体智能的图像多阈值分割方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 图像阈值分割法研究现状 |
| 1.2.2 基于群体智能的图像多阈值分割研究进展 |
| 1.3 本文的结构安排 |
| 2 群体智能优化算法 |
| 2.1 常见的群体智能优化算法 |
| 2.1.1 遗传算法 |
| 2.1.2 粒子群算法 |
| 2.1.3 和声算法 |
| 2.2 新型的群体智能算法 |
| 2.2.1 布谷鸟算法 |
| 2.2.2 鲸鱼算法 |
| 2.3 群体智能算法的性能测试 |
| 2.3.1 基准测试函数 |
| 2.3.2 图像分割中的测试 |
| 2.4 本章小结 |
| 3 基于改进布谷鸟算法的图像多阈值分割 |
| 3.1 多阈值图像分割的目标函数 |
| 3.1.1 最大类间方差法 |
| 3.1.2 最大熵法 |
| 3.1.3 Tsallis熵 |
| 3.2 基于改进布谷鸟算法的图像多阈值分割 |
| 3.2.1 改进的布谷鸟算法 |
| 3.2.2 改进布谷鸟算法分割流程图 |
| 3.3 实验结果的分析讨论 |
| 3.3.1 实验参数设置 |
| 3.3.2 分割性能指标 |
| 3.3.3 分割结果对比 |
| 3.3.4 分割性能对比 |
| 3.3.5 收敛速度对比 |
| 3.4 本章小结 |
| 4 基于混沌达尔文粒子群的彩色图像多阈值分割算法 |
| 4.1 达尔文粒子群算法描述 |
| 4.1.1 达尔文粒子群算法 |
| 4.1.2 混沌达尔文粒子群算法 |
| 4.1.3 CDPSO算法分割流程 |
| 4.2 实验结果的分析讨论 |
| 4.2.1 实验参数设置 |
| 4.2.2 分割性能对比 |
| 4.2.3 分割结果对比 |
| 4.2.4 收敛速度对比 |
| 4.3 本章小结 |
| 5 基于改进鲸鱼算法的遥感图像多阈值分割 |
| 5.1 改进的鲸鱼算法 |
| 5.1.1 McCulloch算法 |
| 5.1.2 改进的鲸鱼算法分割流程 |
| 5.2 实验结果的讨论分析 |
| 5.2.1 实验参数设置 |
| 5.2.2 分割结果对比 |
| 5.2.3 分割性能对比 |
| 5.2.4 收敛速度对比 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 本文主要工作 |
| 6.2 未来工作 |
| 参考文献 |
| 致谢 |
| 作者简介及硕士研究生期间主要科研成果 |
（8）改进MRF在输油管道高后果区遥感图像分割中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文的结构安排 |
| 第二章 马尔科夫随机场模型和人工蜂群算法 |
| 2.1 引言 |
| 2.2 图像分割中的马尔科夫模型 |
| 2.2.1 邻域系统与势团 |
| 2.2.2 Markov与 Gibbs随机场 |
| 2.2.3 Markov随机场模型 |
| 2.2.4 参数估计方法 |
| 2.2.5 MAP图像分割准则 |
| 2.3 人工蜂群算法 |
| 2.3.1 人工蜂群算法概念与原理 |
| 2.3.2 人工蜂群算法过程 |
| 2.4 本章小结 |
| 第三章 基于蜂群策略的改进MRF算法 |
| 3.1 引言 |
| 3.2 势函数模型改进 |
| 3.2.1 邻域相似隶属度 |
| 3.2.2 模糊势函数模型 |
| 3.3 变权能量函数改进 |
| 3.4 ICM-改进MRF算法流程 |
| 3.5 蜂群策略的模糊MRF算法 |
| 3.5.1 确定点与模糊点 |
| 3.5.2 蜂群策略的模糊MRF算法 |
| 3.6 实验对比及分析 |
| 3.6.1 图像分割性能评价指标 |
| 3.6.2 Berkeley数据库的分割算法比较分析 |
| 3.7 本章小结 |
| 第四章 改进MRF在输油管道高后果区遥感图像分割中的应用 |
| 4.1 引言 |
| 4.2 输油管道不同分级高后果区 |
| 4.3 改进MRF在输油管道高后果区遥感图像分割中的应用 |
| 4.3.1 输油管道高后果区遥感图像不同分割算法的效果比较和分析 |
| 4.3.2 输油管道高后果区遥感图像不同分割算法的性能指标分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
（9）鲸鱼优化算法的改进及其在多阈值图像分割中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容与章节设计 |
| 第2章 基本鲸鱼优化算法 |
| 2.1 座头鲸捕食行为 |
| 2.2 基本鲸鱼优化算法的原理 |
| 2.2.1 随机游走觅食 |
| 2.2.2 收缩包围猎物 |
| 2.2.3 螺旋气泡网捕食 |
| 2.3 基本鲸鱼优化算法步骤 |
| 2.4 基本鲸鱼优化算法的时间复杂度分析 |
| 2.5 本章小结 |
| 第3章 基于分段式随机惯性权重和最优反馈机制的鲸鱼优化算法 |
| 3.1 改进算法FWOA的机制描述 |
| 3.1.1 基于最优解反馈机制的随机游走觅食 |
| 3.1.2 分段式非线性递减惯性权重 |
| 3.1.3 修正且改进的边界处理 |
| 3.2 FWOA算法流程 |
| 3.3 FWOA算法的时间复杂度分析 |
| 3.4 函数极值优化仿真实验 |
| 3.4.1 测试函数 |
| 3.4.2 寻优精度分析 |
| 3.4.3 收敛曲线分析 |
| 3.5 工程设计约束优化问题的求解与分析 |
| 3.5.1 求解拉伸弹簧优化设计问题 |
| 3.5.2 求解悬臂梁优化设计问题 |
| 3.5.3 求解焊接粱优化设计问题 |
| 3.5.4 求解三杆桁架优化设计问题 |
| 3.5.5 求解压力容器优化设计问题 |
| 3.5.6 求解减速器优化设计问题 |
| 3.6 本章小结 |
| 第4章 基于混沌映射和迭代局部搜索策略的鲸鱼优化算法 |
| 4.1 改进算法LWOA的机制描述 |
| 4.1.1 基于Logistic混沌映射的种群初始化 |
| 4.1.2 对惯性系数a和系数向量C的改进 |
| 4.1.3 引入迭代局部搜索策略 |
| 4.2 LWOA算法流程 |
| 4.3 LWOA算法的时间复杂度分析 |
| 4.4 函数极值优化实验 |
| 4.4.1 测试函数 |
| 4.4.2 寻优精度分析 |
| 4.4.3 收敛曲线分析 |
| 4.5 本章小结 |
| 第5章 LWOA算法在多阈值图像分割中的应用 |
| 5.1 多阈值图像分割 |
| 5.2 基于Tsallis熵进行多阈值图像分割 |
| 5.3 对图像分割结果的评价指标 |
| 5.4 测试图像与环境 |
| 5.5 测试结果与分析 |
| 5.6 测试数据分析 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表论文及科研情况 |
（10）遥感图像河流提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 半自动河流提取 |
| 1.2.2 自动河流提取 |
| 1.3 本文研究内容 |
| 1.4 本章小结 |
| 第2章 遥感图像河流提取的理论基础 |
| 2.1 遥感图像河流的地物特征 |
| 2.2 彩色遥感图像的灰度转换 |
| 2.2.1 遥感图像与颜色 |
| 2.2.2 RGB彩色模型 |
| 2.2.3 彩色图像灰度转换 |
| 2.3 遥感图像增强方法 |
| 2.4 遥感图像分割方法 |
| 2.4.1 图像分割定义 |
| 2.4.2 阈值分割 |
| 2.4.3 基于边缘的分割 |
| 2.4.4 区域分割 |
| 2.5 本章小结 |
| 第3章 遥感图像河流目标区域分割 |
| 3.1 算法原理 |
| 3.1.1 最大类间方差阈值分割 |
| 3.1.2 比例分割 |
| 3.2 算法描述 |
| 3.2.1 遥感图像河流目标区域粗提取流程 |
| 3.2.2 遥感图像河流目标区域粗提取实现步骤 |
| 3.3 算法实验与结果分析 |
| 3.3.1 实验数据与设置 |
| 3.3.2 遥感图像预处理 |
| 3.3.3 最大类间方差阈值分割 |
| 3.3.4 以质心为中心点的比例分割 |
| 3.4 本章小结 |
| 第4章 基于K-means聚类的区域生长的遥感图像河流提取 |
| 4.1 区域生长法概述 |
| 4.1.1 区域生长法原理 |
| 4.1.2 区域生长法实现 |
| 4.2 改进区域生长算法 |
| 4.2.1 Prewitt边缘分割 |
| 4.2.2 K-means中心点标定 |
| 4.3 改进的区域生长算法实现 |
| 4.3.1 算法提取流程 |
| 4.3.2 改进算法实现步骤 |
| 4.4 区域生长算法实验及结果分析 |
| 4.4.1 实验数据及设置 |
| 4.4.2 边缘分割 |
| 4.4.3 形态学膨胀处理 |
| 4.4.4 改进区域生长算法实现 |
| 4.4.5 人工选取误差问题 |
| 4.4.6 算法时间问题 |
| 4.5 不同形态河流的提取问题 |
| 4.5.1 多交叉河流提取 |
| 4.5.2 部分堵塞河流提取 |
| 4.5.3 分叉河流提取 |
| 4.5.4 环绕河流提取 |
| 4.6 本章小结 |
| 第5章 基于彩色HSV图像分割的彩色遥感图像河流提取 |
| 5.1 彩色图像河流提取基础 |
| 5.1.1 彩色模型 |
| 5.1.2 HSV色度空间变换原理 |
| 5.2 HSV彩色遥感图像河流提取实现 |
| 5.2.1 算法提取流程 |
| 5.2.2 算法实现步骤 |
| 5.3 彩色图像河流提取实现与分析 |
| 5.3.1 实验数据与设置 |
| 5.3.2 HSV转换 |
| 5.3.3 H、S分量点乘 |
| 5.3.4 V阈值分割 |
| 5.3.5 形状检测去除非河流区域 |
| 5.3.6 V参数的选取 |
| 5.4 提取算法比较 |
| 5.4.1 区域生长算法河流提取 |
| 5.4.2 基于K-means聚类的区域生长算法河流提取 |
| 5.4.3 基于彩色RGB图像分割的河流提取 |
| 5.4.4 基于彩色HSV图像分割的河流提取 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
四、图像分割中的阈值选取方法（论文参考文献）
- [1]基于群智能优化算法的带钢表面缺陷图像处理方法研究[D]. 张洪博. 长春工业大学, 2021(02)
- [2]基于活动轮廓模型的图像分割算法研究[D]. 刘博. 合肥工业大学, 2021(02)
- [3]智能手机PCBA缺陷布谷鸟群优化多阈值分割及识别[D]. 谢敏. 重庆理工大学, 2021
- [4]基于改进FCM算法的炉膛速度场图像分割[D]. 翟珂. 西安科技大学, 2020(01)
- [5]改进布谷鸟算法的性能及应用研究[D]. 席俊. 暨南大学, 2020(03)
- [6]改进的模糊C均值算法研究及在图像分割中的应用[D]. 王菲. 齐鲁工业大学, 2020(02)
- [7]基于群体智能的图像多阈值分割方法研究[D]. 孙敏. 安徽理工大学, 2020(04)
- [8]改进MRF在输油管道高后果区遥感图像分割中的应用[D]. 孙雪婷. 东北石油大学, 2020(03)
- [9]鲸鱼优化算法的改进及其在多阈值图像分割中的应用[D]. 马义想. 河南大学, 2020(02)
- [10]遥感图像河流提取方法研究[D]. 冯魁祥. 长春大学, 2020(01)