首页> 中文学位 >遗传算法用于解决图像识别中的组合优化问题
【6h】

遗传算法用于解决图像识别中的组合优化问题

代理获取

目录

摘要

第一章 绪论

1.1 研究背景

1.1.1 研究图像识别中组合优化问题的意义

1.1.2 组合优化问题

1.1.3 遗传算法

1.2 文章的组织结构

第二章 图像数据的预处理

第三章 遗传算法用于解决图像轮廓问题

3.1 短直线段Graph的生成

3.2 染色体的表征

3.3 交叉

3.4 突变

3.5 适应度函数

3.6 终止条件

第四章 实验

4.1 信噪比实验

4.2 与霍夫变换的对比实验

4.3 与其他典型组合优化算法的实验比较

4.3.1 粒子群算法

4.3.2 蚁群算法

4.3.3 粒子群算法、蚁群算法和遗传算法的实验结果对比

4.4 回归实验

第五章 遗传算法解决其他组合优化问题

5.1 生成由线段组成图形的一笔画序列

5.2 生成分形图的一笔画序列

5.3 根据己知模板找到有背景图片的目标物体

5.3.1 遗传算法流程

5.3.2 回溯算法

5.3.3 约束传播算法

5.3.4 局部搜索算法

5.3.5 几种算法对比结果

第六章 总结

6.1 本文的总结

6.2 未来的工作和展望

参考文献

致谢

学术成果

声明

展开▼

摘要

基于几何特征的物体识别方法是解决视觉模式识别问题的根本性出路,其中轮廓特征是最重要的几何线索之一。生物视皮层能够获取片段性的边缘信息,如何将它们组合成更长、更完整的轮廓就是一个非常关键的基础性步骤,它是一个典型的组合优化问题。遗传算法非常擅长解决组合优化问题,本文首先通过基于Graph结构的基因编码方法和改进的突变策略,将遗传算法应用于短直线段向长轮廓线的组合优化求解。实验结果表明,这种方法形成长轮廓线的效能大大提高,所获取的长轮廓线将有力促进识别不变性的实现。较长尺度的轮廓特征对形成物体结构性语义定义、物体识别知识的显式化表征、自项向下加工流程的实现具有重要意义。除此之外,我们还将遗传算法用来解决其他图像的处理中组合优化问题:1、生成由线段组成图形的一笔画序列。2、生成分形图的一笔画序列。3、根据已知模板找到有背景图片的目标物体。实验结果表明,遗传算法可以很好的应用于以上三个问题的求解。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号