首页 > 文献资料
-
结合蚁群算法的Snake模型的医学图像分割方法
图像分割是医学图像处理中一个网难而又极其重要的课题.本文提出一种新的结合Snake模型和蚁群算法的图像分割算法.Snake模型是一种将目标的轮廓模型与图像特征相匹配的分割方法,而蚁群算法可以帮助人们理解生物系统的原理以及在机器人技术、计算机图形学等领域已经得到广泛应用.本文在结合已有Snake模型和蚁群算法优点的基础上,提出了新的图像蚁群分割模型.实验结果表明,本文提出的分割方法能够比较好的保留图像的细节信息,并具有一定的抗噪声能力.
-
基于蚁群算法的表面肌电信号特征选择
目的为提高假肢系统对动作信号的识别速度,设计了基于优化蚁群算法(ant colony optimization,ACO)的特征选择法,对表面肌电信号(surface electromyography,sEMG)高维特征向量降维以减少计算负担.方法 以特征与目标类型之间互信息关系作为启发函数,通过蚁群算法选出佳特征子集,后用已训练好的人工神经网络检验其分类性能.结果 对10名健康受试者进行了手腕部动作的肌电信号模式分类实验.与传统主成分分析法(principle component analysis,PCA)相比,该算法选出的特征子集提高了识别准确率,并显著降低了原始特征集的特征维数,进而简化分类器的结构,减少计算开销.结论 本方法在实时性要求高的肌电控制假肢等系统中具有良好的应用前景.
关键词: 表面肌电信号 特征选择 蚁群算法 最小冗余-最大相关算法 模式识别 -
蚁群算法在磁共振图像分割中的应用
研究一种智能的图像分割方法并且把这种分割方法应用到磁共振的图像分割中,对目前应用的图像分割方法进行比较后提出了一种基于蚁群的磁共振图像分割方法.后将算法应用到颅脑磁共振的图像分割当中,实验结果表明新算法具有很强的噪声和模糊边界的检测能力.该算法的提出对磁共振研究和临床应用都有很大的理论和实践意义.
-
神经网络算法和蚁群算法在医学图像检索中的应用研究
基于内容的图像检索(Content-Based Image Retrieval,CBIR)技术是根据图像对象的内容及上下文联系在大规模多媒体数据库中进行检索。将CBIR应用于医学上,是从医学图像本身提取灰度、形状、纹理等底层视觉特征和高层语义特征,构成描述图像内容的特征向量,并以特征向量作为建立索引和匹配准则的客观依据检索所需图像。 CBIR技术可以帮助医务人员在海量医学图像数据库中快速寻找具有类似病理特征并诊断医学图像,提高疾病诊断的准确率。
-
基于综合评判的蚁群聚类分析
首先介绍聚类分析和蚁群算法的内涵,然后提出基于综合评判的蚁群聚类分析方法,该方法依据蚂蚁觅食寻路的聚类特性,将数据对象看作蚂蚁,相应的聚类中心看作食物源,利用综合评判值作为转移概率来确定数据对象的归属.聚类分析试验结果表明该聚类方法合理、有效、可靠.