德国情报机构和TLBO的图像分割

文摘

介绍了建立的两面凸的模糊变分(德国情报机构)方法与教学学习基础优化(TLBO)几何图像分割(GIS)。首先,采用双凸目标函数处理GIS。然后,TLBO介绍最大限度优化长度惩罚项(LPI),这将改变下教学和学习者TLBO阶段,使LPI接近目标边界。之后,LPI可以调整根据适应度函数,即图像质量的评价标准。最后,结合项目和LP数值才能得到更好的结果。不同的GIS策略与各种健身功能的准确性。仿真表明,提出的方法在这方面更有效。

1。介绍

图像分割是图像处理中非常重要。这也是计算机视觉技术的一个重要研究方向和高度赞赏了人们多年。一方面,它是目标表达的基础,对特征的测量有重要的影响;另一方面,因为图像分割和表达的分割、特征提取和目标参数测量基于分割将原始图像转化为更抽象更紧凑的形式,使得更高层次的图像分析和理解成为可能。有许多方法在图像分割领域如阈值(1),边缘检测的图像(2),聚类的图像(3,4)、区域活动轮廓(5),和特定的数学理论工具(6]。提出了一些新的分割方法如前交叉韧带(7),改进萤火虫算法(8),和模糊c——聚类的图像检测(9]。他们是相对简单和最广泛使用的图像分割方法,但是仍然存在各种缺陷。边缘活动轮廓模型没有命名的CV模型是图像分割的一个最成功的模型。然而,CV模型也有缺点:(1)收敛于局部最适条件(10),(2)选择被敏感的参数(11),和(3)计算效率低下12]。为了克服这些缺点,一种新的德国情报机构形象可以提出13),但德国情报机构的方法只适用于一些特殊的图像和LPI随机初始化;没有普遍性。本文提出了一种高效的图像分割与TLBO两面凸的模糊方法。TLBO方法(14- - - - - -16)用于最大限度优化LPI将改变下教学阶段和学习阶段,从而获得更好的结果。拉奥(17,18]提出Jaya算法在该领域的优化问题。

本文组织如下。部分2描述了CV模型和德国情报机构模型。部分3描述了TLBO策略。部分4提出了GIS算法基于TLBO德国情报机构。节5,提出了模型的实验结果。部分6描述了本文的结论。

2。CV模型和德国情报机构模型

陈和Vese11)简化Mumford-Shah模型,提出了一种新颖的基于区域的活动轮廓模型,即CV模型(19- - - - - -21]。模型假定图像分为目标和背景两类。能量函数定义如下: 在哪里,,图像的能量、原始图像和原始图像的轮廓,分别。和显示区域,内部和外部的轮廓。安装后两项检测目标区域和背景区域。表示轮廓的长度。显示了区域内部的轮廓。表示轮廓和内部的平均灰色显示了平均灰色的外轮廓。同时,,,,都是负的数字,在哪里和LPI和拟合项权重,分别。最小化能量函数,达到最好的效果,使用模糊能量功能如下: 在公式(2),和隶属函数和一个恒定的正整数,分别。在这篇文章中,。一阶偏导数的公式(2)是对计算和,然后他们将是零。和如下: CV模型的另一个缺点是,LPI限制了水平集函数的初始值的选择。此外,初始水平集函数的选择取决于,所以该方法是使用TLBO长度优化项目。根据公式计算而后导数能源功能(1)和导数函数变量,水平集函数表示为,显示的初始表面轮廓。应该注意的是,零水平集的轮廓。进化过程函数的导数在变量,如下面所示: 在公式(4),,,散度算子,狄拉克函数的近似解,分别和梯度算子。

在这个实验中,和。同样的,进化的水平集函数公式(1)是 摘要标准冯诺依曼分析申请学习时间稳定(22]。使用下列公式计算: 在哪里,,测试图像的信噪比,高斯核函数,分别和卷积操作。

3所示。TLBO

提出的TLBO Rao et al。14- - - - - -16)是一种新型的启发式算法。模型可以描述它的约束空间中随机生成的一系列解决方案。这些解决方案可以被看作是一群“学生”,一个被认为是一个“最好的老师。”老师传授的知识,回答学生的问题。学生从老师丰富他们的知识。这是第一个TLBO算法的过程(19),称为教学阶段。学习阶段,第二个过程,可以被描述为与他人沟通和交流经验,相互促进。一段时间后,学生的知识越来越高;也就是说,它是越来越多的倾向于约束的最优解空间。整个过程如图1。最优模型如下: 在哪里优化的目标函数,搜索点吗,物种的数量,维度的。连续变量,和较低和上界的每个维度的重量吗,分别。离散变量,离散集。在TLBO算法类的关系,学生和老师如下:类:设置。学生:集,在那里是教学的主题。老师:最好的健身价值的设置。

类矩阵定义如下: 类的分数分布曲线是正态分布,如公式(6);尽管与实际有一定的偏差,但它仍然有利于分析。上面的定义可以被描述为 在公式(9),,,方差,价值在特定范围内,分别和平均值。

3.1。教学和学习阶段

在教学的开始阶段,学生的价值观是相对分散和平均成绩;与此同时,老师”。经过一段时间的教学、学生的结果逐渐集中分布,平均成绩提高,老师也在更新。从老师到学生学习知识的区别普通教师和学生在教学阶段。简而言之,解决方案是更新公式(9)。如果新的解决方案是比现有的一个,替换现有的解决方案与新一。 在哪里是一个随机数,,是一个教学因素决定平均值是如何改变的。因为是1或2,它可以呈现如下: 问题的解决方案基于以下更新策略。起初,目标函数的值。如果新的解决方案是比现有的,换成新一:二世←随机()()如果比然后 其他的 如果评估()如果比,然后 如果

图1显示TLBO算法的流程图。

4所示。GIS与TLBO策略基于德国情报机构

摘要适应度函数适用于Jaccard相似(JS) [23)值和标准偏差(Std)作为定量指标来评估结果。JS值解释为 在(12),和地面实况数据分割结果,分别。性病是定义为 在哪里和图像像素的均值和图像像素的值,分别。从上面的讨论中,没有必要每次都记录实验结果。我们可以把部分反应与步骤(,在那里是一个正整数)。总之,该算法的流程图(TLBO-BFV)可以被概括为以下步骤:(1)集。它使用TLBO优化方法和计算使用公式(6)。(2)计算和使用公式(3)。(3)集。计算使用公式(5)。如果,然后设置和它进入步骤();否则,它仍在继续。(4)它计算使用公式(6)。(5)如果满足终止条件,它停止;否则,设置然后返回到步骤(2)。

5。模拟

CV模型和德国情报机构分割方法选择与TLBO-BFV方法。在实验中,相同的迭代数集。

表1,2,3演示的结果数据2,3,4,分别。

数据2,3,4显示的价值JS和性病的三个方法。

数据5和6证明了JS和性病的三个方法,分别。

6。结论

本文提出了一种新的图像分割方法,名叫TLBO-BFV。TLBO方法是用来最大限度优化LPI,以提高分割的准确性。仿真表明,该方法提高了鲁棒性和识别率和算法具有优势的稳定性和有效性。

相互竞争的利益

作者宣称没有利益冲突。

引用

1. 智利,r . Gautam, A . Singla”小说上下文敏感的多级阈值图像分割,“应用软计算杂志,23卷,第127 - 122页,2014年。视图:出版商的网站|谷歌学术搜索
2. c·冈萨雷斯,p .梅林,j·r·卡斯特罗o·卡斯蒂略,o·门多萨,“优化区间二型模糊图像边缘检测系统,”应用软计算杂志47卷,第643 - 631页,2016年。视图:出版商的网站|谷歌学术搜索
3. j .侯w·刘,x, h·崔向parameter-independent数据聚类和图像分割,“模式识别,60卷,技能,2016页。视图:出版商的网站|谷歌学术搜索
4. x粉丝,l . Ju x王,王,“模糊edge-weighted质心的泰森多边形法镶嵌图像分割模型,”计算机和数学与应用程序,卷71,不。11日,第2284 - 2272页,2016年。视图:出版商的网站|谷歌学术搜索
5. f . y .施k·张,“定位对象轮廓在复杂背景时使用了改进的蛇,”计算机视觉和图像理解,卷105,不。2、93 - 98年,2007页。视图:出版商的网站|谷歌学术搜索
6. o . Hadjerci a . Hafiane n . Morette c·代·Vieyres和a . Delbos“基于神经检测和针导航辅助系统在超声图像区域麻醉,”专家系统与应用程序卷,61年,第77 - 64页,2016年。视图:出版商的网站|谷歌学术搜索
7. h·李,h .香港,j·金,“使用前交叉韧带在膝盖,图像分割图与特定的形状约束和削减标签细化,”计算机在生物学和医学,55卷,1 - 10,2014页。视图:出版商的网站|谷歌学术搜索
8. b、p . Filipczuk杰哈卡胡奇”细胞学图像分析与萤火虫核探测和分类分解、混合看到下面成了“人工智能技术的工程应用31卷,第135 - 126页,2014年。视图:出版商的网站|谷歌学术搜索
9. x l .江问:小王,他,s . j . Chen和b·l·李“健壮的水平集图像分割算法使用本地correntropy-based模糊c均值聚类和空间限制,”Neurocomputing卷。207年,22-35,2016页。视图:出版商的网站|谷歌学术搜索
10. 《和p . Kornprobst在图像处理数学问题偏微分方程和变分法施普林格,纽约,纽约,美国,2006年。视图:MathSciNet
11. t·f·陈,洛杉矶Vese主动轮廓没有边缘,”IEEE图像处理,10卷,不。2、266 - 277年,2002页。视图:出版商的网站|谷歌学术搜索
12. T.-T。Tran V.-T。范教授,K.-K。害羞的,来说“图像分割使用模糊能源活动轮廓和形状之前,“杂志的视觉传达和图像表示,25卷,不。7,1732 - 1745年,2014页。视图:出版商的网站|谷歌学术搜索
13. 苏m .锣,d, l, l .焦”一个高效bi-convex模糊变分图像分割方法,”信息科学卷,293年,第369 - 351页,2015年。视图:出版商的网站|谷歌学术搜索
14. v . j . Savsani r . v . Rao, d . p . Vakharia”Teaching-learning-based优化:机械设计约束优化问题的新方法,”计算机辅助设计,43卷,不。3、303 - 315年,2011页。视图:出版商的网站|谷歌学术搜索
15. v . j . Savsani r . v . Rao, d . p . Vakharia”Teaching-learning-based优化:连续大规模非线性问题的优化方法,”信息科学,卷183,不。1、1 - 15,2012页。视图:出版商的网站|谷歌学术搜索
16. r . v .饶基于教学学习的优化及其工程应用瑞士巴塞尔,施普林格,2016年。视图:出版商的网站|MathSciNet
17. r . v . Rao,“Jaya:一个简单的和新的优化算法求解约束和无约束最优化问题,“国际期刊的工业工程计算,7卷,不。1,19-34,2016页。视图:出版商的网站|谷歌学术搜索
18. r . v . Rao, k, j .泰勒和p . Ocłoń,”维微通道散热器的优化使用Jaya算法,”应用热工程卷,103年,第582 - 572页,2016年。视图:出版商的网站|谷歌学术搜索
19. r . v . Rao,”回顾应用tlbo算法和初学者的教程来解决无约束和有约束优化问题,“决策科学的信件,5卷,不。1、外墙面,2016页。视图:出版商的网站|谷歌学术搜索
20. b . Al-Diri a Hunter, d .钢”的活动轮廓模型分割和测量视网膜血管,”IEEE医学成像,28卷,不。9日,第1497 - 1488页,2009年。视图:出版商的网站|谷歌学术搜索
21. s . k . Nath k .印度,f . Bunyak”细胞使用耦合的水平集分割和graph-vertex着色,”医学影像计算和计算机辅助国米——Vention,9卷,不。1,第108 - 101页,2006。视图:谷歌学术搜索
22. k, l . Zhang h .歌曲,d .张“Reinitialization-free水平集演化通过反应扩散,”IEEE图像处理,22卷,不。1,第271 - 258页,2013。视图:出版商的网站|谷歌学术搜索|MathSciNet
23. 吉梅内斯,f·a·冈萨雷斯,a . Gelbukh”数学性质的软基数:增强Jaccard、骰子和余弦相似性度量element-wise距离,”信息科学卷,367 - 368,373 - 389年,2016页。视图:出版商的网站|谷歌学术搜索

版权

版权©2016 Mohammad Heidari对伊朗伊斯兰共和国通讯社表示。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。