光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2015年
7期
2109-2116
,共8页
图像分割%图像聚类%运动目标%动态多目标优化%粒子群算法
圖像分割%圖像聚類%運動目標%動態多目標優化%粒子群算法
도상분할%도상취류%운동목표%동태다목표우화%입자군산법
image segmentation%image clustering%moving object%dynamic multi-objective optimization%particle swarm algorithm
对小区背景下运动物体图像进行分割时多使用单目标或多目标优化方法,这类方法不能有效适应目标的动态变化,因此本文提出一种动态多目标图像分割优化方法.该方法将时间及环境动态因素作为动态因子,利用K均值(K-Means)算法和和模糊C均值(FCM)聚类算法构造多目标函数;结合动态多目标粒子群算法(DMPSO),使用背景差分法定义环境变化规则,实现动态多目标的图像分割.根据DMPSO算法优化后的聚类结果,分别与K-Means和FCM聚类方法得到的结果进行了对比.结果表明,动态多目标优化的Pareto最优解集分布均匀,图像分割准确率可达到95％,对图像识别的准确率可达到90％,具有较高的识别能力,能满足确定背景下运动物体的准确识别.
對小區揹景下運動物體圖像進行分割時多使用單目標或多目標優化方法,這類方法不能有效適應目標的動態變化,因此本文提齣一種動態多目標圖像分割優化方法.該方法將時間及環境動態因素作為動態因子,利用K均值(K-Means)算法和和模糊C均值(FCM)聚類算法構造多目標函數;結閤動態多目標粒子群算法(DMPSO),使用揹景差分法定義環境變化規則,實現動態多目標的圖像分割.根據DMPSO算法優化後的聚類結果,分彆與K-Means和FCM聚類方法得到的結果進行瞭對比.結果錶明,動態多目標優化的Pareto最優解集分佈均勻,圖像分割準確率可達到95％,對圖像識彆的準確率可達到90％,具有較高的識彆能力,能滿足確定揹景下運動物體的準確識彆.
대소구배경하운동물체도상진행분할시다사용단목표혹다목표우화방법,저류방법불능유효괄응목표적동태변화,인차본문제출일충동태다목표도상분할우화방법.해방법장시간급배경동태인소작위동태인자,이용K균치(K-Means)산법화화모호C균치(FCM)취류산법구조다목표함수;결합동태다목표입자군산법(DMPSO),사용배경차분법정의배경변화규칙,실현동태다목표적도상분할.근거DMPSO산법우화후적취류결과,분별여K-Means화FCM취류방법득도적결과진행료대비.결과표명,동태다목표우화적Pareto최우해집분포균균,도상분할준학솔가체도95％,대도상식별적준학솔가체도90％,구유교고적식별능력,능만족학정배경하운동물체적준학식별.
