【图像分割】人工鱼群算法图像分割【含Matlab源码 1488期】

💥💥💞💞欢迎来到Matlab仿真科研站博客之家💞💞💥💥

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。

🍎个人主页：Matlab仿真科研站博客之家

🏆代码获取方式：
💥扫描文章底部QQ二维码💥

⛳️座右铭：行百里者，半于九十；路漫漫其修远兮，吾将上下而求索。

⛄更多Matlab图像处理（仿真科研站版）仿真内容点击👇
Matlab图像处理（仿真科研站版）

⛄一、人工鱼群算法图像分割简介

最大熵多阈值图像分割算法主要为求解最大熵对应的阈值,熵E实质是关于阈值(T1,T2,… ,TK) 的函数,即可视为E=f(T1,T2,…,TK),求取最大熵即为多元函数求最大值,因为0≤T1≤T2≤,…,≤TK≤ L-1,所以这是一个带约束的优化问题。 若用全局搜索策略求得最优阈值速度很慢,为加快基于全局搜索的最大熵多阈值图像分割算法的搜索速度,而且AFSA算法已在组合优化问题求解中有着良好性能,将AFSA算法应用于最大熵多阈值寻优,为方便将基于全局搜索的最大熵多阈值图像分割算法简记为GSMEMT算法。

1 彩色图像的灰度化
因为处理的对象是RGB模式的彩色图像,而OTSU、AFSAMEMT等算法适用于灰度图像的阈值分割,所以首先应将RGB模式的彩色图像转化为灰度图像, 考虑到彩色图像中主要对象色彩分量对比背景物体应具有更强的区分度,更有利于各算法的分割,所以仅提取彩色图像的R分量作为灰度图像进行各算法的图像分割,后续试验也验证了这一点,R分量作为灰度图像进行图像分割的效果要优于G分量和B分量图像。

2 多阈值人工鱼编码
用1×K维的整数编码ai表示第i条人工鱼,即ai=[Ti1,Ti2,… ,Ti K],其中Tij(j=1,2,… ,K)为整数 ,且满足0≤Ti1≤Ti2≤,…,≤Ti K≤L-1,即Tij代表“1.2” 中的阈值Tj。

3 不可行人工鱼编码及其修复
在AFSA的执行过程中, 有时会产生不可行人工鱼编码,不可行人工鱼编码即为人工鱼编码不满足的0≤Ti1≤Ti2≤,…,≤Ti K≤L-1的约束条件。 不可行人工鱼编码不仅对算法的存储产生冗余,而且无效搜索增加了算法的计算复杂度。 采用实时修复策略对每一个人工鱼编码进行检测,在人工鱼的生成过程中若为可行编码则输出, 反之则进行修复, 使其满足0≤Ti1≤Ti2≤,…,≤Ti K≤L-1的约束条件, 成为可行编码,修复过程主要用于后续的“3.4”中算法的步骤4)。

4 图像分割的AFSAMEMT算法步骤
1)彩色图像的灰度化和图像特征提取。 提取各彩色图像的R分量作为灰度图像,统计灰度图像的直方图及每个灰度的概率。
2)算法参数的设置。 设置AFSA算法的基本参数,如人工鱼群的规模、人工鱼的感知距离、移动步长、拥挤度因子、试探次数、人工鱼编码的维数和算法的迭代次数等。
3)初始化人工鱼群。 初始化人工鱼群包括生成所有的人工鱼编码及其对应的目标函数值,公告牌的初始化。
4)对每条人工鱼执行聚群和追尾行为 ,选择较优行为生成新的人工鱼,缺省行为均为觅食行为。
5)更新公告牌。
6)判断迭代次数是否达到最大 , 若满足 , 则输出结果;反之,转4)。

⛄二、部分源代码

%人工鱼群算法
clear all
format long
I = imread(‘op5.bmp’);
N=512;
gailv = imhist(im2uint8(I(😃),256);
for i=1:N
for j=1:N
for k=1:256
if I(i,j)==k
counts(i,j)=gailv(k);
end
end
end
end
p = counts / sum(sum(counts));
omega0 = cumsum(cumsum§');
omega1 = 1 - omega0;
for i=1:N

end
mu_t_y=cumsum(cumsum(mu_x));
mu_t_x=cumsum(cumsum(mu_y));
global sigma_b_squared;
sigma_b_squared=((mu_t_x.*omega0-mu_x).^2 +(mu_t_y.*omega0-mu_y).^2) ./ omega0 * omega1;
global maxY;

Try_number=5;
a1=0;
b1=255;
a2=0;
b2=255;
d=[];
h=1e-1;
Friend_number=0.5;
k=0;
m=30;

X=[X1 X2];%人工鱼数量
for i=1:N
wwww=[X(i,1),X(i,2)];
d(i)=maxf(wwww);
end
[w,i]=max(d);
maxX=[X(i,1),X(i,2)];%初始公告板记录
maxY=w;%初始公告板记录
figurex=[];
figurey=[];
figurez=[];
figurex(numel(figurex)+1)=maxX(1);
figurey(numel(figurey)+1)=maxX(2);
figurez(numel(figurez)+1)=maxY;
kkk=0;
while(k<m)
for i=1:N
XX=[X(i,1),X(i,2)];%人工鱼当前状态Xi
nf=0;
Xc=0;
for j=1:N %聚群行为开始
XXX=[X(j,1),X(j,2)];
if(norm(XXX-XX)<Visual)
nf=nf+1;
Xc=Xc+XXX;
end
end
Xc=Xc/nf;
if((maxf(Xc))>maxf(XX))
XXnext1=XX+randStep(Xc-XX)/norm(Xc-XX);
if(XXnext1(1)>b1)
XXnext1(1)=b1;
end
if(XXnext1(1)<a1)
XXnext1(1)=a1;
end
if(XXnext1(2)>b2)
XXnext1(2)=b2;
end
if(XXnext1(2)<a2)
XXnext1(2)=a2;
end
else
XXnext1=gmjprey(XX,Try_number,Visual,Step);
if(XXnext1(1)>b1)
XXnext1(1)=b1;
end
if(XXnext1(1)<a1)
XXnext1(1)=a1;
end
if(XXnext1(2)>b2)
XXnext1(2)=b2;
end
if(XXnext1(2)<a2)
XXnext1(2)=a2;
end
end%聚群行为结束
%maxX=XX;%追尾行为开始
%maxY=maxf(XX);

if((maxY)>maxf(XX))
XXnext2=XX+randStep(maxX-XX)/norm(maxX-XX);
if(XXnext2(1)>b1)
XXnext2(1)=b1;
end
if(XXnext2(1)<a1)
XXnext2(1)=a1;
end
if(XXnext2(2)>b2)
XXnext2(2)=b2;
end
if(XXnext2(2)<a2)
XXnext2(2)=a2;
end
else
XXnext2 =gmjprey(XX,Try_number,Visual,Step);
if(XXnext2(1)>b1)
XXnext2(1)=b1;
end
if(XXnext2(1)<a1)
XXnext2(1)=a1;
end
if(XXnext2(2)>b2)
XXnext2(2)=b2;
end
if(XXnext2(2)<a2)
XXnext2(2)=a2;
end
end%追尾行为结束
if(maxf(XXnext1)>maxf(XXnext2))
X(i,1)=XXnext1(1);
X(i,2)=XXnext1(2);
else
X(i,1)=XXnext2(1);
X(i,2)=XXnext2(2);
end
end %一次迭代结束
for i=1:N
XXXX=[X(i,1),X(i,2)];
if maxf(XXXX)>maxY
maxY=maxf(XXXX);
maxX=XXXX;
figurex(numel(figurex)+1)=maxX(1);
figurey(numel(figurey)+1)=maxX(2);
figurez(numel(figurez)+1)=maxY;
end
end
k=k+1; %进入下一次迭代
end

if Q1<=0
Q1=1;
end
if Q2<=0
Q2=1;
end
if Q1>512
Q1=512;
end
if Q2>512
Q2=512;
end
fprintf(‘ostu鱼群运行时间：%.6fs\n’,cputime-t);
level1=double(I(Q1,Q2))/256;
BW1 = im2bw(I,level1);
subplot(2,2,1),imshow(I)
title(‘原图’);
subplot(2,2,2),imshow(BW1)
title(‘ostu人工鱼群’);
level2=graythresh(I);
BW2 = im2bw(I,level2);
subplot(2,2,3),imshow(BW2)
title(‘一维ostu’);

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]赵勇,方宗德,庞辉,王侃伟.基于量子粒子群优化算法的最小交叉熵多阈值图像分割[J].计算机应用研究. 2008,(04)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
1.1 PID优化
1.2 VMD优化
1.3 配电网重构
1.4 三维装箱
1.5 微电网优化
1.6 优化布局
1.7 优化参数
1.8 优化成本
1.9 优化充电
1.10 优化调度
1.11 优化电价
1.12 优化发车
1.13 优化分配
1.14 优化覆盖
1.15 优化控制
1.16 优化库存
1.17 优化路由
1.18 优化设计
1.19 优化位置
1.20 优化吸波
1.21 优化选址
1.22 优化运行
1.23 优化指派
1.24 优化组合
1.25 车间调度
1.26 生产调度
1.27 经济调度
1.28 装配线调度
1.29 水库调度
1.30 货位优化
1.31 公交排班优化
1.32 集装箱船配载优化
1.33 水泵组合优化
1.34 医疗资源分配优化
1.35 可视域基站和无人机选址优化

2 机器学习和深度学习分类与预测
2.1 机器学习和深度学习分类
2.1.1 BiLSTM双向长短时记忆神经网络分类
2.1.2 BP神经网络分类
2.1.3 CNN卷积神经网络分类
2.1.4 DBN深度置信网络分类
2.1.5 DELM深度学习极限学习机分类
2.1.6 ELMAN递归神经网络分类
2.1.7 ELM极限学习机分类
2.1.8 GRNN广义回归神经网络分类
2.1.9 GRU门控循环单元分类
2.1.10 KELM混合核极限学习机分类
2.1.11 KNN分类
2.1.12 LSSVM最小二乘法支持向量机分类
2.1.13 LSTM长短时记忆网络分类
2.1.14 MLP全连接神经网络分类
2.1.15 PNN概率神经网络分类
2.1.16 RELM鲁棒极限学习机分类
2.1.17 RF随机森林分类
2.1.18 SCN随机配置网络模型分类
2.1.19 SVM支持向量机分类
2.1.20 XGBOOST分类

2.2 机器学习和深度学习预测
2.2.1 ANFIS自适应模糊神经网络预测
2.2.2 ANN人工神经网络预测
2.2.3 ARMA自回归滑动平均模型预测
2.2.4 BF粒子滤波预测
2.2.5 BiLSTM双向长短时记忆神经网络预测
2.2.6 BLS宽度学习神经网络预测
2.2.7 BP神经网络预测
2.2.8 CNN卷积神经网络预测
2.2.9 DBN深度置信网络预测
2.2.10 DELM深度学习极限学习机预测
2.2.11 DKELM回归预测
2.2.12 ELMAN递归神经网络预测
2.2.13 ELM极限学习机预测
2.2.14 ESN回声状态网络预测
2.2.15 FNN前馈神经网络预测
2.2.16 GMDN预测
2.2.17 GMM高斯混合模型预测
2.2.18 GRNN广义回归神经网络预测
2.2.19 GRU门控循环单元预测
2.2.20 KELM混合核极限学习机预测
2.2.21 LMS最小均方算法预测
2.2.22 LSSVM最小二乘法支持向量机预测
2.2.23 LSTM长短时记忆网络预测
2.2.24 RBF径向基函数神经网络预测
2.2.25 RELM鲁棒极限学习机预测
2.2.26 RF随机森林预测
2.2.27 RNN循环神经网络预测
2.2.28 RVM相关向量机预测
2.2.29 SVM支持向量机预测
2.2.30 TCN时间卷积神经网络预测
2.2.31 XGBoost回归预测
2.2.32 模糊预测
2.2.33 奇异谱分析方法SSA时间序列预测

2.3 机器学习和深度学习实际应用预测
CPI指数预测、PM2.5浓度预测、SOC预测、财务预警预测、产量预测、车位预测、虫情预测、带钢厚度预测、电池健康状态预测、电力负荷预测、房价预测、腐蚀率预测、故障诊断预测、光伏功率预测、轨迹预测、航空发动机寿命预测、汇率预测、混凝土强度预测、加热炉炉温预测、价格预测、交通流预测、居民消费指数预测、空气质量预测、粮食温度预测、气温预测、清水值预测、失业率预测、用电量预测、运输量预测、制造业采购经理指数预测

3 图像处理方面
3.1 图像边缘检测
3.2 图像处理
3.3 图像分割
3.4 图像分类
3.5 图像跟踪
3.6 图像加密解密
3.7 图像检索
3.8 图像配准
3.9 图像拼接
3.10 图像评价
3.11 图像去噪
3.12 图像融合
3.13 图像识别
3.13.1 表盘识别
3.13.2 车道线识别
3.13.3 车辆计数
3.13.4 车辆识别
3.13.5 车牌识别
3.13.6 车位识别
3.13.7 尺寸检测
3.13.8 答题卡识别
3.13.9 电器识别
3.13.10 跌倒检测
3.13.11 动物识别
3.13.12 二维码识别
3.13.13 发票识别
3.13.14 服装识别
3.13.15 汉字识别
3.13.16 红绿灯识别
3.13.17 虹膜识别
3.13.18 火灾检测
3.13.19 疾病分类
3.13.20 交通标志识别
3.13.21 卡号识别
3.13.22 口罩识别
3.13.23 裂缝识别
3.13.24 目标跟踪
3.13.25 疲劳检测
3.13.26 旗帜识别
3.13.27 青草识别
3.13.28 人脸识别
3.13.29 人民币识别
3.13.30 身份证识别
3.13.31 手势识别
3.13.32 数字字母识别
3.13.33 手掌识别
3.13.34 树叶识别
3.13.35 水果识别
3.13.36 条形码识别
3.13.37 温度检测
3.13.38 瑕疵检测
3.13.39 芯片检测
3.13.40 行为识别
3.13.41 验证码识别
3.13.42 药材识别
3.13.43 硬币识别
3.13.44 邮政编码识别
3.13.45 纸牌识别
3.13.46 指纹识别

3.14 图像修复
3.15 图像压缩
3.16 图像隐写
3.17 图像增强
3.18 图像重建

4 路径规划方面
4.1 旅行商问题（TSP）
4.1.1 单旅行商问题（TSP）
4.1.2 多旅行商问题（MTSP）
4.2 车辆路径问题（VRP）
4.2.1 车辆路径问题（VRP）
4.2.2 带容量的车辆路径问题（CVRP）
4.2.3 带容量+时间窗+距离车辆路径问题（DCTWVRP）
4.2.4 带容量+距离车辆路径问题（DCVRP）
4.2.5 带距离的车辆路径问题（DVRP）
4.2.6 带充电站+时间窗车辆路径问题（ETWVRP）
4.2.3 带多种容量的车辆路径问题（MCVRP）
4.2.4 带距离的多车辆路径问题（MDVRP）
4.2.5 同时取送货的车辆路径问题（SDVRP）
4.2.6 带时间窗+容量的车辆路径问题（TWCVRP）
4.2.6 带时间窗的车辆路径问题（TWVRP）
4.3 多式联运运输问题

4.4 机器人路径规划
4.4.1 避障路径规划
4.4.2 迷宫路径规划
4.4.3 栅格地图路径规划

4.5 配送路径规划
4.5.1 冷链配送路径规划
4.5.2 外卖配送路径规划
4.5.3 口罩配送路径规划
4.5.4 药品配送路径规划
4.5.5 含充电站配送路径规划
4.5.6 连锁超市配送路径规划
4.5.7 车辆协同无人机配送路径规划

4.6 无人机路径规划
4.6.1 飞行器仿真
4.6.2 无人机飞行作业
4.6.3 无人机轨迹跟踪
4.6.4 无人机集群仿真
4.6.5 无人机三维路径规划
4.6.6 无人机编队
4.6.7 无人机协同任务
4.6.8 无人机任务分配

5 语音处理
5.1 语音情感识别
5.2 声源定位
5.3 特征提取
5.4 语音编码
5.5 语音处理
5.6 语音分离
5.7 语音分析
5.8 语音合成
5.9 语音加密
5.10 语音去噪
5.11 语音识别
5.12 语音压缩
5.13 语音隐藏

6 元胞自动机方面
6.1 元胞自动机病毒仿真
6.2 元胞自动机城市规划
6.3 元胞自动机交通流
6.4 元胞自动机气体
6.5 元胞自动机人员疏散
6.6 元胞自动机森林火灾
6.7 元胞自动机生命游戏

7 信号处理方面
7.1 故障信号诊断分析
7.1.1 齿轮损伤识别
7.1.2 异步电机转子断条故障诊断
7.1.3 滚动体内外圈故障诊断分析
7.1.4 电机故障诊断分析
7.1.5 轴承故障诊断分析
7.1.6 齿轮箱故障诊断分析
7.1.7 三相逆变器故障诊断分析
7.1.8 柴油机故障诊断

7.2 雷达通信
7.2.1 FMCW仿真
7.2.2 GPS抗干扰
7.2.3 雷达LFM
7.2.4 雷达MIMO
7.2.5 雷达测角
7.2.6 雷达成像
7.2.7 雷达定位
7.2.8 雷达回波
7.2.9 雷达检测
7.2.10 雷达数字信号处理
7.2.11 雷达通信
7.2.12 雷达相控阵
7.2.13 雷达信号分析
7.2.14 雷达预警
7.2.15 雷达脉冲压缩
7.2.16 天线方向图
7.2.17 雷达杂波仿真

7.3 生物电信号
7.3.1 肌电信号EMG
7.3.2 脑电信号EEG
7.3.3 心电信号ECG
7.3.4 心脏仿真

7.4 通信系统
7.4.1 DOA估计
7.4.2 LEACH协议
7.4.3 编码译码
7.4.4 变分模态分解
7.4.5 超宽带仿真
7.4.6 多径衰落仿真
7.4.7 蜂窝网络
7.4.8 管道泄漏
7.4.9 经验模态分解
7.4.10 滤波器设计
7.4.11 模拟信号传输
7.4.12 模拟信号调制
7.4.13 数字基带信号
7.4.14 数字信道
7.4.15 数字信号处理
7.4.16 数字信号传输
7.4.17 数字信号去噪
7.4.18 水声通信
7.4.19 通信仿真
7.4.20 无线传输
7.4.21 误码率仿真
7.4.22 现代通信
7.4.23 信道估计
7.4.24 信号检测
7.4.25 信号融合
7.4.26 信号识别
7.4.27 压缩感知
7.4.28 噪声仿真
7.4.29 噪声干扰

7.5 无人机通信

7.6 无线传感器定位及布局方面
7.6.1 WSN定位
7.6.2 高度预估
7.6.3 滤波跟踪
7.6.4 目标定位
7.6.4.1 Dv-Hop定位
7.6.4.2 RSSI定位
7.6.4.3 智能算法优化定位
7.6.5 组合导航

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合