基于狮群优化二维Otsu算法的输送带撕裂检测方法

基于传统二维Otsu分割算法的输送带撕裂检测方法采用穷尽搜索式的阈值选取方式,图像分割时间长、实时性差,不能同时满足撕裂检测精度与速度要求。针对上述问题,提出了一种基于狮群优化二维Otsu算法的输送带撕裂检测方法。首先通过输送带撕裂检测装置采集输送带图像,采用中值滤波和直方图均衡化对采集到的图像进行去噪和增强处理,突出撕裂部位;然后采用狮群优化二维Otsu算法对预处理过的图像求取接近实际的分割阈值,用该阈值对输送带图像进行分割处理;最后通过计算分割后图像中黑色像素点的数量进行撕裂诊断。仿真结果表明,该方法比基于传统二维Otsu算法的检测方法寻优能力更强,输送带分割效果更好,可以准确地从输送带图像中分割出裂痕,撕裂识别的正确率为98.2%,提高效率的同时缩短了运行时间,可以满足输送带撕裂检测的准确性和实时性要求。

基于粒子群优化算法的二维路径规划方法研究

在现代社会中,路径规划问题广泛存在于各行各业,旨在独立探索一条从起始点到目标点的无障碍可行路径,这一过程通常涉及对不同路径工作代价、时间、距离等成本的考虑。针对二维平面对路径规划问题进行研究,基于粒子群优化算法,采用具有线性变换的惯性权重系数和加速常数,并引入三次样条插值约束路径,动态调整惯性因子,平衡算法的全局搜索和局部寻优能力,增加平滑度。实验结果表明,粒子群优化算法在解决二维路径规划方面具备良好的性能。

贪心二进制狮群优化算法求解多维背包问题

针对经典的多约束组合优化问题——多维背包问题(MKP),提出了一种贪心二进制狮群优化(GBLSO)算法。首先,采用二进制代码转换公式将狮群个体位置离散化,得到二进制的狮群算法;其次,引入反置移动算子对狮王位置进行更新,同时对母狮和幼狮位置重新定义;然后,充分利用贪心算法进行解的可行化处理,增强搜索能力并进一步提高收敛速度;最后,对10个MKP典型算例进行仿真实验,并把GBLSO算法与离散二进制粒子群(DPSO)算法和二进制蝙蝠算法(BBA)进行对比。实验结果表明,GBLSO算法是一种有效的求解MKP的新方法,在求解MKP时具有相对良好的收敛效率、较高的寻优精度和很好的鲁棒性。

狼群优化的二维Otsu快速图像分割算法

传统二维Otsu快速图像分割算法选取阈值时常采取穷尽搜索方式,而这种搜索方式降低算法的实时性,且延长算法的分割时间,从而对图像分割结果产生不良影响。为提高二维Otsu快速图像分割算法的运行效率,可采取狼群算法对最优阈值进行搜索,每匹人工狼就代表着一个可行的二维阈值向量,而狼群进行游走、围攻和召唤等智能行为的不断迭代和狼群间的信息交互,从而获取到最佳的阈值,这样既能够缩短算法的分割时间,又能够提高图像分割结果的精确度。论文用狼群算法取得最优的二维阈值向量,来解决快速图像分割问题。

基于改进跳蛛算法的二维OTSU限重标志识别算法

针对交通标志识别中限重标志和限速标志相似程度大、容易造成误检等问题,结合抗噪能力强的二维OTSU自动阈值分割法与寻优能力强的跳蛛优化算法,提出了一种基于跳蛛优化的二维OTSU限重标志识别算法。该算法通过统计交通标志牌感兴趣区域的二维灰度直方图,采用改进跳蛛算法求解二维OTSU分割阈值,快速地实现交通标志图像的二值化,再利用DBSCAN对二值化图像边缘点聚类,最后根据聚类结果的相对位置正确识别限重标志。实验结果表明:在不降低识别率的条件下,运算时间降低了34.16%,并能够正确区别限重标志和限速标志。

基于粒子群优化及二维映射的视频水印算法

数字视频水印算法存在的共同问题就是如何解决水印容量、鲁棒性和不可感知性三者之间的矛盾。基于此,提出一种新的H.264/AVC视频水印算法,算法利用粒子群优化算法选择嵌入载体位置并以此位置构造与水印信息之间的二维映射关系来嵌入水印信息。仿真实验结果表明所提算法能够很好地解决上述三者矛盾问题,具有较强的实用性。

一种结合粒子群算法和自适应加权窗的二维Otsu图像分割新方法

针对传统二维Otsu门限分割方法中滤噪和小目标保持性能的不足,提出了一种基于自适应加权窗的二维Otsu门限分割的新方法。新方法对二维Otsu的邻域窗口设置方法做了改进,使用中心点的局部平稳特征来自适应地确定下一邻域窗口的尺寸大小,然后利用粒子群算法来加快门限的计算速度,从而提高门限分割的性能。实验结果表明:与目前广泛使用的一维Otsu、二维Otsu方法以及直线型门限二维Otsu方法相比,新方法有着更好的门限分割效果,并且有更好的噪声抑制和目标保持效果。

基于粒子群算法的二维Otsu阈值分割法

二维Otsu方法同时考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法。针对二维Otsu方法计算量大的特点,采用粒子群算法来求解最优二维阈值向量。通过分别用快速递推算法和改进粒子群算法对显微细胞图像的实验表明,后者不仅能得到理想的分割效果,且相较于前者,计算量大大减少,达到了快速分割的目的,有利于提高图像处理的实时性。

基于二维蚁群算法的物流服务资源统计优化决策模型

在传统蚁群算法的基础上,提出了二维蚁群算法,将路径选择和货物集散点配置在物流网络优化中融合在一起,利用物流服务规模及分布的统计特征,建立物流服务资源统计优化决策模型。仿真实验表明,在物流网络优化中,该模型不仅具有较好的优化效果,而且具有较高的优化效率。

基于粒子群优化算法的二维最大相关法图像分割

二维最大相关法图像分割算法充分利用了图像像素的灰度分布信息和各像素间的空间相关信息,因此算法的抗干扰能力强、图像分割效果好。但该算法的搜索空间大、计算时间长。为解决这一问题,提出了一种基于粒子群优化算法的二维最大相关法。该算法充分利用粒子群优化算法的特点,并对其进行了有益的改进,提高了算法的性能和搜索速度。实验结果证明了该算法的快速性、有效性和稳定性。

蚁群算法在二维Otsu图像分割中的应用

提出了一种基于蚁群算法和二维Otsu的图像分割方法,利用蚁群算法快速寻优的特点,求出二维Otsu图像分割的阈值分割点,对图像进行分割。根据源图像和邻域平滑后图像的灰度,以及灰度频数进行聚类。通过灰度直方图的峰值点设置精确的初始聚类中心,解决了蚁群算法运算次数多、计算量大的问题;针对具体应用,对聚类半径、信息激素和启发引导函数进行了修正。实验表明该算法速度快、划分特性好、抗噪声能力强,可以准确地分割出目标。

基于改进的粒子群算法的二维阵列天线方向图综合技术

该文运用一种改进的粒子群优化算法对不等幅激励的矩形平面阵列天线的最大旁瓣电平进行了优化,采用对全局最优粒子微扰和跳变的惯性权重策略,并使用粒子群算法本身对参数组合进行了优化选择。新算法大大改善了优化速度和收敛精度。对二维阵列天线旁瓣电平优化和稀疏阵列方向图综合的良好结果也证明了该方法的有效性。

改进二维Otsu法和果蝇算法结合的图像分割方法

针对传统二维Otsu方法中分割精度不高和抗噪性能不足的缺陷进行了研究,提出一种改进的二维Otsu图像分割方法。在二维直方图区域叉分的基础上,根据灰度级大小的信息改进联合概率密度,考虑类间方差和类内方差对图像分割效果的作用,保证类间方差越大和类内方差越小,使得目标与背景差别越大和内聚性越高;同时依据目标与背景在图像中所占比例对阈值求取公式进行加权,使得求得的阈值更接近理想阈值,然后采用果蝇优化算法(FOA)搜索最优二维阈值向量。仿真实验结果表明,该方法能得到更准确的分割结果,更好地抑制噪声,同时运行时间更少,达到了快速分割的目的,满足图像处理的实时性要求。

基于人工蜂群优化的二维最大熵图像分割

针对二维最大熵图像分割方法计算量大的问题,提出基于人工蜂群优化的二维最大熵图像分割算法。利用人工蜂群优化算法收敛快、避免局部最优、控制参数少等优点,将二维最大熵法最佳二维阈值视为最佳蜜源,实现基于人工蜂群优化的二维最大熵图像分割。实验结果表明,该方法的收敛速度较快、抗噪性较强。

面向多无人机任务分配的二维编码粒子群算法

任务分配问题一直是多UCAV任务规划系统的重要研究课题。粒子群优化算法具有结构简单和寻优能力较强等特点,它是目前解决无人机任务规划问题比较常用的算法。在应用该算法来解决此问题时,采用一维的向量形式的编码方式的粒子群算法较为常见,采用二维的矩阵形式的编码方式较为少见,而后者能更直接且更容易符合问题的要求,采用了二维的编码方式,将粒子表示为矩阵形式,并根据粒子群算法思想,设计了对应的矩阵元素操作作为其信息交流方式,进而提出了一种新的离散粒子群优化算法。并通过仿真验证所提出的算法应用于无人机的任务规划问题是可行的和有效的。

基于改进粒子群算法的二维阈值图像分割

二维Otsu方法同时考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法。针对二维Otsu方法计算量大的特点,采用量子粒子群算法来搜索最优二维阈值向量,每个粒子代表一个可行的二维阈值向量,通过各个粒子的飞行来获得最优阈值。结果表明,所提出的方法不仅能得到理想的分割结果,而且计算量大大减少,达到了快速分割的目的,便于二维Otsu方法的实时应用。

二维不规则零件排样问题的粒子群算法求解

提出了一种基于粒子群算法求解二维不规则零件排样问题的方法.该方法首先将二维不规则零件的排样问题转化为矩形件的排样问题,然后利用粒子群算法优化求解,在求解过程中运用自适应调整策略对零件的排样位置进行微调.最后用该优化排样算法对文献中的两个算例求解,排样结果表明该算法是有效的.

基于微粒子群理论的二维最大类间方差阈值分割算法

针对传统二维最大类间方差(Otsu)阈值分割算法处理红外图像耗时的缺点,提出了一种应用微粒子群理论的二维Otsu阈值分割算法。该算法利用粒子群理论的群体智能的特点,通过优化得出粒子的个体极值和全局极值,并根据这两种极值来更新粒子的位置和速度以获得最佳的分割阈值向量。通过对算法中惯性权重和学习因子的讨论确定了最佳的参数选择方案。仿真结果表明,该算法计算准确,流程简单,其运行时间仅为原始算法的5%左右,是一种快速有效的图像阈值分割算法。

基于改进PSO理论的二维Otsu分割算法

二维Otsu阈值分割方法是图像分割中常用的分割方法,但其算法运算量大,大大限制了实时性要求,为此,提出了一种基于改进PSO理论的二维Otsu分割算法。首先从二维Otsu算法基本理论出发应用有智能寻优特点的PSO理论来寻找最佳阈值向量,而后又针对传统PSO算法的缺点引入协同分工的合作思想来寻找最佳的分割阈值。实验证明,应用改进的PSO理论的二维Otsu算法不仅能够正确地寻找到阈值,还大大提高了计算速度,是一种高效快速的分割方法。

基于分散微粒群算法的二维模糊最大熵图像分割

该文研究了基于二维模糊信息熵的图像分割方法,针对二维模糊信息熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于优化微粒群算法的二维最大熵图像分割方法。DPSO算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值作为阈值进行图像分割。同时,为了避免该算法收敛到局部最优解的问题,在算法中引入了变异策略。通过实验显示了该算法在收敛性和计算效率上较QPSO在内其它优化算法具有更好的优越性。