基于人工生命的图像分割技术的研究及应用毕业论文

《基于人工生命的图像分割技术的研究及应用毕业论文》由会员分享，可在线阅读，更多相关《基于人工生命的图像分割技术的研究及应用毕业论文（85页珍藏版）》请在装配图网上搜索。

1、基于人工生命的图像分割技术的研究及应用摘要图像分割是图像分析、识别和理解的基础。图像分割主要是指将图像分成各具特性的区域并提取出感兴趣的区域的技术，其研究多年来一直受到人们的高度重视。由于待分割图像的可变性比较大，且混有噪声，构成了图像分割所面临的主要困难。到目前虽然已经有了许多各种类型的分割算法，但是这些方法普遍存在问题和缺陷，影响了性能和应用，因此需要继续探索新的途径，对图像分割继续深入下去。人工生命是一个新兴起的多学科交叉的研究领域，已经在解决现实世界中的许多复杂问题上显示了潜在的应用前景。在图像分割的研究中引入人工生命的思想，将具有广阔的研究空间和良好的应用前景，将有希望发现新颖的更优

2、良的分割方法。本文分别就单一的静态图像和图像视频序列提出了两个人工生命模型，基于细胞自动机的人工生命模型和基于多粒度的人工生命模型。在第一种模型中我们将待分割图像看作人工生命智能体的生存环境，通过生存在其上的人工生命智能体模型一代代繁衍、扩张来最终得到图像的分割结果。在根据视频图像序列中图像的特征提出的基于多粒度的人工生命改进模型里是将视频图像序列看作是生命体的生存环境，不同的视频帧视为环境的变化。生命体个体体积的大小也不再仅仅局限在像素级上，而是同时考虑了由小的生命个体聚集而成的更大规模的生命群落及群落之间的交互。生命体通过环境的变化获得能量才能够生存，它们能感觉到周围的变化并向着变化的方向

3、不断扩张。每个智能体在规则的作用下自主选择自身的行为。该模型具有自底向上的，非全局受控等特点。通过生命个体和群体的繁衍，死亡，扩张，迁移等行为，使的前景图像被最终被分割出来。实验表明，该方法不仅具有很好的性能而且具有较好的应用潜力。关键词：图像分割，人工生命，生命体，生存环境，目标提取THE RESEARCH AND REALIZATION OF IMAGE SEGMENTATION BASED ON ARTIFICIAL LIFEAbstractImage segmentation is the base of image analysis, image recognition and th

4、e image understanding. Image segmentation is a technique which divides an image into some special areas and gets interesting areas. Many researchers have been working on it for a long time. Main difficulties or obstacles to image segmentation are the changing of image and the noise. So far there hav

5、e been many image segmentation algorithms, however, each of them has its own problems that impact the algorithms performance and application. So we need to get more new methods and makes an intensive study of it.Artificial Life is a new research area which is transdisciplinary. It shows its potentia

6、l superiority on solving complex problems. If we apply the artificial life to the image segmentation, there would be more extensive research space and good application prospects. And maybe we will find a lot of novel and much better methods. This paper puts forward two artificial life modes based on

7、 frozen picture and video frequency sequence respectively. The first is an artificial life model based on the Cellular Automata, the other is a ALife mode which has a variety of size. In the first ALife model we take the image as the environment of the agents. Through some living action like propaga

8、tion, death, expansion, moving and so on we finally get the result of image segmentation. In the multi-granular ALife model which is extracted according to video feature of video sequence, we also take the image as the environment of agents. Its not a single image at this time but a serial of images

9、 of a video. The difference of the images is the environment changing. Agents can live by getting the changing energy. They can detect the changing nearby and extensive to that direction. And in this model some small agents can aggregate a cluster as a big agent. Both of modes have their rules which

10、 every agent must observe. Under the rules each agent can choose its next action. The two models have bottom-up and non-overall control features. Through the results of experiments, we conclude that both models have a good performance and application prospect. KEY WORDS: image segmentation, artifici

11、al life, agent, virtual environment, object extraction毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日期： 使用授权说明本人完全了解 大学关于收集、保存、使用毕业设计（论文

12、）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名： 日期： 年 月 日学位论文

13、版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期： 年 月 日导师签名： 日期： 年 月 日指导教师评阅书指导教师评价：一、撰写（设计）过程1、学生在论文（设计）过程中的治学态度、工作精神 优 良 中 及格 不及格2、学生掌握专业知识、技能的扎实程度 优 良 中 及格 不及格3、学生综合运用所学知识和专业技能分析和解决问题的能力

14、优 良 中 及格 不及格4、研究方法的科学性；技术线路的可行性；设计方案的合理性 优 良 中 及格 不及格5、完成毕业论文（设计）期间的出勤情况 优 良 中 及格 不及格二、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？ 优 良 中 及格 不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？ 优 良 中 及格 不及格三、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义 优 良 中 及格 不及格2、论文的观念是否有新意？设计是否有创意？ 优 良 中 及格 不及格3、论文（设计说明书）所体现的整体水平 优 良 中 及格 不及格建议成绩： 优 良 中 及格

15、不及格（在所选等级前的内画“”）指导教师： （签名） 单位： （盖章）年 月 日评阅教师评阅书评阅教师评价：一、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？ 优 良 中 及格 不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？ 优 良 中 及格 不及格二、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义 优 良 中 及格 不及格2、论文的观念是否有新意？设计是否有创意？ 优 良 中 及格 不及格3、论文（设计说明书）所体现的整体水平 优 良 中 及格 不及格建议成绩： 优 良 中 及格 不及格（在所选等级前的内画“”）评阅教师： （签名） 单位：

16、（盖章）年 月 日教研室（或答辩小组）及教学系意见教研室（或答辩小组）评价：一、答辩过程1、毕业论文（设计）的基本要点和见解的叙述情况 优 良 中 及格 不及格2、对答辩问题的反应、理解、表达情况 优 良 中 及格 不及格3、学生答辩过程中的精神状态 优 良 中 及格 不及格二、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？ 优 良 中 及格 不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？ 优 良 中 及格 不及格三、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义 优 良 中 及格 不及格2、论文的观念是否有新意？设计是否有创意？ 优 良 中

17、及格 不及格3、论文（设计说明书）所体现的整体水平 优 良 中 及格 不及格评定成绩： 优 良 中 及格 不及格（在所选等级前的内画“”）教研室主任（或答辩小组组长）： （签名）年 月 日教学系意见：系主任： （签名）年 月 日目录中文摘要 .1ABSTRACT .2第一章 绪论.71.1 研究的背景和动机71.2 研究工作内容和创新点81.2.1 针对静态图像分割提出的基于细胞自动机的人工生命模型.91.2.2 针对视频序列特征提出的基于多粒度的改进的人工生命模型.91.3 论文结构9第二章 图像分割与人工生命112.1 图像分割的定义.112.2 传统图像分割的方法及其局限.12 2.2.

18、1 阈值法.12 2.2.2 基于区域的图像分割方法.15 2.2.3 基于边界的图像分割方法.162.3 人工生命的产生，发展和现状.19 2.3.1 人工生命的产生和发展.19 2.3.2 人工生命的研究现状.202.4 人工生命的研究思想.212.5 人工生命研究的领域.222.6 人工生命的应用与发展前景.242.7 本章小结.27第三章 基于细胞自动机的人工生命模型.283.1 细胞自动机简介.283.2 人工生命模型的设计思想.293.3 智能体及其生存环境.303.4 生存与扩张.30 3.4.1 智能体的生存规则.30 3.4.1 邻域的定义.303.5 智能体的繁殖.31 3

19、.5.1 繁殖规则.313.6 实验过程及结果.32 3.6.1 分割结果定量评价标准.32 3.6.2 定量分析实验过程及结果.34 3.6.3 定性分析实验过程及结果.37 3.6.4 与其他分割方法比较的结果.413.7 本章小结.43第四章 基于多粒度的改进的人工生命模型.454.1 改进模型的设计思想.474.2 生命体及其生存环境.48 4.2.1 生存环境.48 4.2.2 生命体的划分.50 4.2.3 环境变化探测器.514.3 生存规则及扩张.51 4.3.1 生存的规则.51 4.3.2 邻域的定义.51 4.3.3 繁殖，扩张，死亡的规则.524.4 实验及结果分析.5

20、2 4.4.1 仿真环境.52 4.4.2 有效性测试.53 4.4.3 分割参数对分割效果的影响.53 4.4.4 模型对对象的敏感性测试.56 4.4.5 与已有算法的比较.60 4.4.6 实验小结.604.5 本章小结.61第五章 结论与展望62参考文献.64攻读硕士学位期间发表的论文及参加的科研项目.69致谢.70第一章 绪论1.1 研究的背景和动机视频监控系统用于对指定的场景区域进行监视，并把场景内的信息传递给监控者，使其能根据相应的情况采取适当措施的系统，监控系统的发展大致经历了三个阶段:模拟视频监控系统;数字视频监控系统;智能视频监控系统。智能视频监控系统融入了视频图像序列理解

21、和计算机视觉的相关知识，国际上对这方面的研究己经达到相当水平，国内则处于起步阶段1，2，3。视频监控系统是多媒体技术、计算机网络、工业控制和人工智能等技术的综合运用，它正向着视频音频的数字化、系统的网络化和管理的智能化方向不断发展4，5，6。从视频图像序列中实时分割运动人体目标是一项基本而又重要的环节。运动人体分割的目的是从序列图像中将运动人体的变化区域从背景图像中提取出来,其运动区域的有效分割对于目标分类、跟踪和行为理解等后期处理是非常重要的，如图1-1所示。图1-1 视频监控图像处理流程图由于移动视频系统在特定环境下（抖动，光线模糊，相对速度等）得到的图像是不清晰的，从而不能为后继的决策提

22、供可靠的依据，所以需要首先对图像进行分割，将目标与背景分离出来，从而能够得到图像所包含的相对准确的信息。图像分割是图像处理中的关键技术之一。图像分割指将图像分成各具特性的区域并提取出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤；是一种基本的计算机视觉技术。只有在图像分割的基础上才能对目标进行特征提取和参数测量，使得更高层的图像分析和理解成为可能。因此对图像分割方法的研究具有十分重要的意义。1.2 研究工作内容和创新点图像分割一直以来都是一个经典难题。从二十世纪七十年代开始就有很多很多研究人员为之付出了巨大的努力，在这几十年的过程中研究人员也不断把其它各个领域的方法论引入和应用到图

23、像分割的领域内，创造了很多经典的图像分割算法比如：基于灰度直方图的方法，区域分割算法，边缘提取，基于数学形态学的方法，基于遗传算法的最优化参数设置的方法等等。但是这些方法都有其局限性，影响了它们的性能和应用。到目前为止，在图像分割领域还不存在一个通用的方法，也不存在一个判断分割是否成功的客观标准。因此，对图像分割需要探索新的途径，考虑引入新的理论，提出新的方法，进行进一步的深入研究。人工生命是二十世纪八十年代末兴起的一门交叉学科，是计算机科学新的发展方向之一，其研究内容包括：物种进化、遗传算法、自组织、自适应、智能体、生命现象模拟、生物与社会、基因工程、人工化学、生命动力学、人工生命哲学、人工

24、生命方法论、算法、人工智能等有关研究课题。人工生命研究那些“具有自然生命特征和生命现象的人造系统的理论模型生成方法和实现技术”，抽象地提取控制生物现象的基本动态原理，并且通过物理媒介(如计算机)来模拟生命系统动态发展过程。而且人工生命通过对生命世界的模拟不仅更好地理解生命现象，同时也为解决复杂问题提供新的思路和方法。虽然它还是新兴学科，但己在解决复杂问题上显示出很好的前景。过去的十多年，研究人员探索把人工生命应用到计算机图像处理中，开拓了研究思路，带来发现更新颖、更有效的理论和方法的可能性，并且已经在一些方面取得一定的成功。目前，己经有研究人员尝试将人工生命应用到图像分割领域中来，虽然相关的研

25、究还比较少，但是取得的研究成果表明将人工生命引入到图像分割中能够获得有意义的成功。人工生命用于图像分割将有很好的应用潜力和前景，需要进一步深入研究下去。本人经过阅读大量相关资料、实际编程实现等过程，实现了两个人工生命模型：基于细胞自动机的人工生命模型和多粒度的人工生命模型。这两种模型都是具有自主计算特点的多代理系统，每个生命个体具有简单的生存规则，在作为生存环境的图像序列上不断进行扩张，一段时间后整个生命群落将会自动得到需要提取的目标物。整个系统具有并行的、自适应的、面向目标等特征。在研究该智能体模型的过程中，参阅了大量关于人工生命的思想和方法的论文后，形成了一些自己的想法，也作了一些原创性的

26、研究，具体为以下几点。1.2.1 针对静态图像分割提出了基于细胞自动机的人工生命模型在研究了Boids、人工协作细胞等人工生命模型之后，深刻理解了其中体现的群体智慧的思想，即:“个体的行为简单、局部并且带有随机性，但是整体的行为连贯、协调并且不盲目”。在这个思想指导下，提出了用于单一静态图像分割的人工生命模型，在设计该模型的过程中参考了许多真实的有群居行为的生物如蚂蚁、蜜蜂以及最大的群居生物人类等，参照它们的群体协作行为以及对环境变化的适应行为，最终实现了该人工生命模型。1.2.2 针对视频序列的特征提出基于多粒度的改进的人工生命模型在基于细胞自动机的人工生命模型的基础上，提出了用于对视频图像

27、进行分割的多粒度的人工生命模型。在该模型中，使用了不同粒度的人工生命模型用于图像分割的问题。以往的人工生命模型多是将单一的图像作为生存环境，该模型的生存环境则为视频图像序列。在已有的用于图像处理的人工生命模型中，大多是以像素点作为生命个体，也有人提出了带有形状的生命个体但是关注的一般都是单一粒度的个体与个体之间的交互。本模型中的个体将不再局限于只将像素点作为生命个体而是提出了将更大的具有相同特征的生命群落作为个体，并且交互行为也不再仅仅是发生在像素点这样的小的生命个体之间。通过实验验证，该模型对于提取视频序列的目标有较好的效果。1.3 论文结构本论文分为五章：第一章是绪论部分。主要介绍了图像分

28、割的背景和动机，研究的内容和创新点，以及论文的结构。第二章是图像分割与人工生命的研究背景介绍部分。主要介绍图像分割的基本概念和一些经典的算法，人工生命的发展和现状，相关概念及思想以及这一学科的发展前景和应用的情况。第三章是作者的基于细胞自动机的人工生命模型介绍部分。主要介绍了作者研究的应用于单一静态图像上的人工生命模型，系统地介绍了模型的各个模块及算法，并通过实验对人工生命模型分割出的图像做了定量定性的评价，也与其它的传统的方法作了一个比较，论证了基于细胞自动机的人工生命模型在静态图像上的良好的性能，分析了该模型的优点及缺陷。第四章是根据图像视频序列的图像特征，针对目标提取的图像分割而提出的基

29、于多粒度的改进的人工生命模型，完整的介绍了该算法的设计思想，模型的各个模块等，并通过实验来展示了多粒度人工生命模型用于目标提取的性能优势和发展及应用的潜力，并与其他经典算法的对比实验。第五章是结论和展望部分，对两个人工生命模型作了简短的总结，并且对于模型的改进的方向和问题发表了一些看法以及对于图像处理领域结合人工生命的方法论的前景做出了展望。第二章 图像分割与人工生命2.1 图像分割的定义图像分割是将整个图像区域分割成若干个互不交叠的非空子区域的过程。每个子区域的内部是连通的，同一区域内部具有相同或相似的特性，这里的特性可以是灰度、颜色、纹理等。连通是指在该区域内任意两个像素之间存在一条完全由

30、这个区域的元素构成的连通路径。有两种可能的选择，如果只依据旁侧相邻的像素（上、下、左、右）来确定连通，叫做四连通；如果再加上45度角方向的像素，则称为八连通的。对于灰度图像来说，区域内部的像素一般具有灰度相似性，而在区域边界上一般具有灰度不连续性。图像分割的数学描述如下：令集合R代表整个图像区域，对R的图像分割可以看作是将R分成n个满足如下规则的非空子集：R1，R2，.Rn：（1）(2.1)（2）对于所有的 i 和 j ，, （3）对于（4）（5）P(Ri)=TRUE指出在分割结果中，每个区域的像素有着相同的特性。P（RiRj）=FALSE表示在分割结果中，不同的子区域具有不同的特性。（2.1

31、）式表示子区域的并集是整个图像，这一点是保证图像的每个象素都被处理的充分条件2.2 传统图像分割的方法及其局限 2.2.1 阈值法阈值法是一种最简单的图像分割方法,是一种最常用的并行区域技术。阈值是用于区分目标和背景的灰度门限。如果图像只有目标和背景两大类,那么只需选取一个阈值称为单阈值分割，这种方法是将图像中每个像素的灰度值与阈值相比较，灰度值大于阈值的像素为一类，灰度值小于阈值的像素为另一类。如果图像中有多个目标，就需要选取多个阈值将各个目标及背景分开，这种方法称为多阈值分割。阈值T一般可写成：T = T x , y , p ( x , y) , q ( x , y) 其中p ( x ,

32、y) 代表点( x , y) 处的灰度值, q ( x ,y) 代表该点邻域的某种局部特性。常用的选取阈值的方法有灰度直方图峰谷法、最大类间方差法（Otsu法）等等。灰度直方图峰谷法7。若图像的灰度直方图呈双峰状且有明显的谷,选择谷点的灰度值作为阈值就可把目标从背景中分割出来。选取直方图的谷点可借助求曲线极小值的方法，该方法对于目标和背景有很大灰度差异的图像能实现简单而有效的分割。图2-1 阈值为81时的分割效果图在众多的阈值选取方法中，Otsu 8方法被认为是最优方法之一。其基本思想是用阈值把图像像素划分为两类，通过使划分后得到的两类的类间方差最大来确定最佳阈值。设图像f ( x , y)

33、灰度级范围为G = 0 , L -1，各灰度级出现的概率为Pi，阈值t 将图像像素分为两类C0 = 0 ，t 和C1 = t + 1 ,L - 1 。两类的概率为和。两类的平均灰度为和，其中，。其中准则定义为两类的类间方差：(2.2)使取最大值的t，就是分割目标和背景的最佳阈值T。如果图像中含有多个物体，尤其是含有多个灰度值存在差异的物体，显然不能进行二值化分割。其次，还有许多使用多阈值的阈值化修正方法比如文献9利用遗传算法进行多个阈值的选取和文献10中提到的基于过渡区域的多阈值分割方法 ，其处理后的结果图像不再是二值的，而是一个有限的灰度值集合组成的图像。 1当时2当时。n当时。图2-2 多

34、阈值划分图其中每个是一个指定的灰度集。图2-3 原始peppers图像 A 二值分割图像 B 三值分割图像 C 四值图像分割 D 五值图像分割图2-4 Otsu法应用到多阈值分割的效果图Otsu算法不仅适用于选择单阈值，也可用于多阈值的确定11。要M-1个阈值t1,t2tm-1.来将图像分成M个子集，这些个子集包含的灰度值范围分别为：最佳阈值的公式为：=(2.3)其中，。阈值法优点是计算简单，速度快，易于实现。它的缺点是当图像中的目标和背景灰度差异不明显或灰度值范围有重叠时，全局阈值的分割结果不理想，而且这种方法只考虑像素本身的灰度值，一般不考虑空间特征，因而对噪声和灰度不均匀很敏感。2.2.

35、2 基于区域的图像分割方法基于区域的分割方法得到的分割结果直接构成区域，基本思想就是将图像划分成最大一致性的分区。一致性是分区的最大的特征，也是分割的准则。一致性准则可以是基于灰度，色彩，纹理等的标准。在基于区域的分割方法中比较经典的方法有区域生长和分裂合并法。区域生长和分裂合并法是两种典型的串行区域技术，其分割过程后续步骤的处理要根据前面步骤的结果进行判断而确定。区域生长的基本思想12,13,14是将具有相似特性的像素集合起来构成区域。首先为每个需要分割的区域确定一个种子像素作为生长起点，然后按一定的生长准则把它周围与其特性相同或相似的像素合并到种子像素所在的区域中。把这些新像素作为种子继续

36、生长，直到没有满足条件的像素可被包括，这时生长停止，一个区域就形成了。区域生长法要解决的主要问题是区域生长准则的设计和算法的高效性。生长准则往往和具体问题有关，直接影响最后形成的区域，如果选取不当，就会造成过分割和欠分割的现象。区域生长法的优点是计算简单，对于较均匀的连通目标有较好的分割效果。它的缺点是需要人为确定种子点，对噪声敏感，可能导致区域内有空洞。另外，它是一种串行算法，当目标较大时，分割速度较慢，因此在设计算法时要尽量提高效率。分裂合并法的基本思想12，15，16是从整幅图像开始通过不断分裂合并得到各个区域。一种利用四叉树表达方法的分割算法如下：R代表整个正方形图像区域，P代表检验准

37、则。1） 对任意区域Ri，如果P（Ri ）=FAlSE就将其分裂为不重叠的四等分。2）对相邻的两个区域Ri 和Rj ，如果P（Ri U Rj）=TRUE 则将它们合并为一个区域。3）如果进一步的分裂和合并都不可能时则停止。图2-5 分列合并法演示图分裂合并法的关键是分裂合并准则的设计。这种方法对复杂图像的分割效果较好，但算法较复杂，计算量大，分裂还可能破坏区域的边界。2.2.3 基于边界的图像分割方法基于边界的分割方法是利用不同区域间象素灰度不连续的特点检测出区域间的边缘，从而实现图像分割。图像中相邻的不同区域间总存在边缘，边缘处像素的灰度值不连续，这种不连续性可通过求导数来检测到。对于阶跃状

38、边缘，其位置对应一阶导数的极值点，对应二阶导数的过零点（零交叉点）。因此常用微分算子进行边缘检测，它是一种并行边界技术。常用的一阶微分算子有Roberts、Prewitt和Sobel算子、二阶微分算子有Laplace和Kirsh算子等。在实际中各种微分算子常用小区域模板来表示，微分运算是利用模板与图像卷积来实现。下面介绍几种经典的边缘检测算子。Sobel算子12是实际应用中效果比较好的边缘算子。由于差分算子的抗干扰性很差，噪音会使得使用差分算子的时候在噪音边缘产生冲击，Sobel算子通过先求加权平均然后再求差分的方法来增强抑制噪音干扰的能力：上述的Sobel算子不是各向同性的，沿不同方向的梯度

39、幅值不一样，因此通常使用改进的各向同性的Sobel算子，它的加权系数是不是2。图2-6 Sobel算子卷积模板-101-2-10021112000-1-2-111-1-100011000-1-1图2-7 改进的Sobel算子卷积模板拉普拉斯(Laplacian)算子，定义如下：(2.4)拉普拉斯算子是一个标量，它没有边缘方向的信息，对噪音非常敏感，具有旋转不变性即各向同性的性质。由于拉普拉斯算子没有边缘方向的信息，并且对噪音非常敏感，因此实际应用中往往不直接用来获取边缘，而是先做图像滤波后再使用拉普拉斯算子，这种方法就是拉普拉斯一高斯(Laplacian of Gaussian)算子，此处不做

40、过多介绍。图2-8 拉普拉斯算子卷积模板Roberts算子是数字图像处理中最古老的边缘检测算子之一。它也是最简单的一种边缘检测算子。它的卷积模板如下：图2-9 Roberts算子卷积模板 卷积边缘检测算子的主要缺点是它们依赖于尺度且对噪声敏感。很少有合适的理由来解释为什么选择某个特别的局部邻域算子尺度。绝大多数基于边界的图像分割方法都集中在边界的检测方面，这些边界部分或全部对图像进行了分割处理。如果获得了完全的分割，边界将图像分割为区域，但是如果仅产生了部分分割，区域并没有唯一的定义，根据边界确定区域的问题可能是一个非常复杂的问题，需要与高层知识配合。 图像分割领域的方法和文献有很多，我们在上

41、面仅仅介绍了几大类常用的方法。近年来随着其他领域的发展，很多研究人员将其它领域的方法不断引入到图像分割的领域中来，比如使用遗传算法来确定最佳分割阈值17，18和融合了数学形态学方法的分水岭算法19，20，21等。虽然这些方法在原有的经典方法上都有一定性能上的提升，但是也并没有克服那些方法本质上的缺陷。2.3 人工生命的产生，发展和现状人工生命(Artificial life，简称Alife)是在20世纪80年代后期兴起的一门新兴学科。人工生命的概念是由美国圣达菲研究所的Langton C G教授在1987年提出来的，并把它定义为“研究具有自然生命系统行为特征的人造系统”。目前关于人工生命尚无统

42、一的定义，不同学科背景的学者对它有着不同的理解。人工生命科学的著名学者Boden 认为：“人工生命用信息概念和计算机建模来研究一般的生命和地球上特有的生命”。而Ray T 则认为“人工生命用非生命的元素去建构生命现象以了解生物学，而不是把自然的生物体分解成各个单元，它是一种综合性方法而不是还原的方法”。2.3.1 人工生命的产生和发展人工生命虽然诞生于20世纪80年代末，但其智慧的种子可以追溯到阿兰·图灵和约翰·冯·诺依曼。阿兰·图灵是人工科学的第一个先驱。他发表了一篇蕴意深刻的论形态发生（生物学形态发育）的数学论文（1952）22。在这篇论文中，他提出

43、了人工生命的一些萌芽思想。他证明相对简单的化学过程可以从均质组织产生出新的秩序。就像图灵自己所强调的那样，进一步发展他的思想需要更好的计算机，而他自己只有很原始的计算机帮助，所以他的论文尽管对分析生物学是一个重大的贡献，但并没有立刻产生作为一门计算学科的人工生命。冯·诺伊曼也是人工科学的先驱。20世纪40年代和50年代，他在数字计算机设计和人工智能领域做了很多开创性的工作。与图灵一样，他也试图用计算的方法揭示出生命最本质的方面。但与图灵关注生物的形态发生不同，他试图描述生物自我繁殖的逻辑形式。为了避免当时电子管计算机技术的限制，他提出了细胞自动机（简称CA）的设想：把一个长方形平面分

44、成很多个网格，每一个格点表示一个细胞或系统的基元，每一个细胞都是一个很简单、很抽象的自动机，每个自动机每次处于一种状态，下次的状态由它周围细胞的状态、它自身的状态以及事先定义好的一组简单规则决定。冯·诺伊曼证明，确实有一种能够自我繁殖的细胞自动机存在，虽然它复杂到了当时的计算机都不能模拟的程度。冯·诺伊曼的这项工作表明：一旦我们把自我繁衍看作是生命独特的特征，机器也能做到这一点23。冯·诺伊曼未完成的工作，在他去世多年后由康韦(JohnC onway)、沃弗拉姆(Stephen Wolfram)和兰顿(Chris Langton)等人进一步发展。1970年康韦(J

45、ohn Conway)编写了“生命游戏”程序，它使细胞自动机产生无法预测的延伸、变形和停止等复杂的模式。这一特点吸引了大批学者，其中包括Langton C G。他认为不应将目光局限于已知形式的生命，如果人造系统具有繁衍、进化、生存、死亡等生命特征，它也应该看作是一种生命形式。1987年,Langton C G组织发起了首届人工生命学术会议，吸引了众多领域科学家广泛参与，从此人工生命作为一门学科正式诞生了。2.3.2 人工生命的研究现状自人工生命概念首次提出以来，它受到了人们越来越多的关注，并吸引了包含系统科学、控制科学、计算机科学、人工智能、生物科学、机器人科学、经济学、哲学和人类学等众多领域

46、的专家投入研究，其中美国、日本和欧洲的研究最为活跃。目前，国际上许多著名大学和科研院所都在进行人工生命的研究，例如美国的圣塔非研究所、麻省理工大学、加州理工大学，意大利的认知科学和技术研究所，以及日本的ATR等。当前主要有三个关于人工生命的系列学术研讨会，一个是主要由美国承办的ALIFE系列国际研讨会；一个是由欧洲主办的“欧洲人工生命会议”(ECAL)，它从1991年开始每两年举办一届，到2004年为止已经举办了7届；另一个是由日本举办的“人工生命和机器人”(AROB)系列国际研讨会，从1996年开始每年举行一届。此外，IEEE也召开了相关的国际会议-“进化计算”以及“仿真和适应行为”。同时，

47、1994年在世界著名学府麻省理工学院创刊出版了国际刊物人工生命(Artificial Life)，成为该研究领域内的权威刊物。网络上的人工生命资源非常丰富，人工生命的网上园地Zooland曾在科学杂志上得到专门的报道。我国在人工生命领域的研究也己经起步。我国于1997年9月在北京举行了“人工生命与进化机器人研讨班”(Seminar/Workshop on Artificial Life and Evolutionary Robotics)。目前国内清华大学、复旦大学、北京科技大学、中科院自动化所和浙江大学等单位也都在进行这方面的研究工作。2.4 人工生命的研究思想随着人工生命科学的发展，人工生

48、命研究的主要思想不断得到了丰富和发展。人工生命研究的主要思想包括以下几个方面23，24，25：（1）人工生命是关于一切可能生命形式的生物学。有两句著名的格言“如吾所识的生命”(Life as we know it)和“如其所能的生命”(Life as it could be)，前者是传统生物学研究的主题，后者是人工生命研究的主题。生命的本质在于形式而不在于具体的物质。因此可以忽略物质，从中抽象出控制生命的逻辑。如果能够在另外一种物质中获得相同的逻辑，就可以创造出不同材料的另外一种生命。（2）突现是人工生命的突出特征。对于不同的科学领域，甚至不同的研究者来说，突现的定义都可能不同。Allen和S

49、tart的定义认为突现属性是无法从早期行为中推导出来的属性。同样，在复杂性问题研究中，突现意味着从低级行为和规则中无法预测而出现的高级现象。比如康韦的“生命游戏”产生滑翔、振荡等现象。Langton C G提出一个更加实际的定义：突现是介于微观和宏观行为之间的反馈。“不可预测性”经常被用作评估突现的标准。这种突现现象对生命系统来说是关键的。（3）自下而上的建构。人工生命的合成的实现，最好的方法是通过以计算机为基础的被称为“自下而上编程”的信息处理原则来进行。在底层定义许多小的单元和几条关系到它们内部的、完全是局部的相互作用的简单规则，从这种相互作用中产生出连贯的“全体”行为，而这种行为不是根据

50、特殊规则预先编好的。自下而上的编程与人工智能(AI)中主导的编程原则是完全不同的。它力图从简单的局部控制出发，让行为从底层突现出来。（4）人工生命模拟生命行为的方法运用局部控制而不是全局控制，让行为从底层自发地突现出来而不是自上而下地给出规定，而复杂的行为并非出自复杂的基本结构。（5）并行处理。在人工生命中，信息处理原则是基于实际生命中的大量并行处理过程，如在一个鸟群中，是很多鸟的个体在飞行方向上的小的变化而给予鸟群动态特征的。2.5 人工生命研究的领域人工生命是一门新兴的交叉科学，其研究领域涵盖了计算机科学、生物学、自动控制、系统科学、机器人科学、物理学、化学、经济学、哲学等多种学科。人工生

51、命的研究对象是具有自然生命特征和生命现象的人造系统，研究的重点是人造系统的模型生成方法、关键算法和实现技术。自从人工生命作为一门科学创立以来，其研究领域不断拓展，不断地丰富和发展，其主要研究领域包括以下方面：（1）细胞自动机26。细胞自动机是由冯·诺伊曼提出的，细胞自动机是一个细胞阵列，每个细胞都是离散结构，按照预先规定的规则，它们的状态可随时间而变化，传递规则是通过阵列计算每个细胞的当前状态以及它的近邻的状态，所有的细胞均自发地更新。冯·诺依曼最终证明了的确存在能够进行自我复制的细胞自动机。1984年Wolfram S对CA做了全面的研究。（2）数字生命。把计算机进程作为

52、生命个体，将计算机提供的资源作为生命个体的生存环境，它们从环境中汲取信息，修改所在的环境，从而在时间和空间中进行繁殖。利用计算机进程来研究生命过程中的各种现象、规律以及复杂系统的突现行为，就形成了数字生命，其代表是Ray T的数字生命世界Tierra。数字生命的研究在计算机上演示出了许多生命现象的深刻特征，为考查生物的进化现象和研究复杂系统提供了一个实验手段23。（3）数字社会。人工社会的计算机模型包含：(1)一群具有自治能力的行为者；(2)一个独立的环境；(3)管理行为者之间、行为者与环境之间以及环境各个不同要素之间相互作用的规则。人工社会是由各个行为者自我组织形成的，由各个行为者在简单规则

53、的支配下，与人工环境交互作用突现形成的。人工社会的行为者是一个能够随着时间发生变化或者具有适应性的数据结构。每个行为者具有遗传、社会文化等特性，以及管理与环境之间和其它行为者之间关系规则的能力。其中，行为者的遗传特性在其生命期间是固定的。Epstein J M和Axtell R在计算机上创立了一个数字社会Sugarscap。（4）人工脑。日本电器通讯进程技术研究所的进化系统部开发了一种称为“人工脑”的信息处理系统，该系统具有自治能力和创造性。它不仅能够自发地形成新的功能，而且能够自主地形成自身的结构。在系统的设计中引入了人工生命中的“进化与突现”机制，使系统具备自治和创造性，从而实现在功能和结

54、构上的自发变化。（5）虚拟生物24，27。虚拟生物实际上是生命现象的仿生系统，这种系统多以软件形式出现，模拟生物形态变化过程的工具有细胞自动机、L-系统等。比如著名的“晓媛的鱼28”，它是一个模仿超级鱼进化的人工生命模型，展现了一个现实的人工鱼居住的虚拟海洋世界。每条鱼都是一个模拟的物理世界中的自主智能体，其算法不仅仿效了单个动物的外貌、运动和行为，而且还模仿了许多水下生物系统复杂的群体行为。（6）进化算法。进化算法研究主要是提供具有进化特征的算法。1975年Holland提出的遗传算法(GA) 是其中之一。由于进化算法的整体搜索策略和优化计算时不依赖于梯度信息，所以它的应用非常广泛，尤其适合

55、于处理传统搜索方法难以解决的高度复杂的非线性问题。人工生命研究的重要内容就是进化现象，因此许多人工生命模型也都采用GA来创建进化系统，使其成为研究进化现象的重要方法之一。（7）进化机器人24。进化机器人提供了类似于生命系统的完全不同的途径，它有很多性质与生命相关，如复杂性、机体集成和受刺激可移动。传统的自律机器人采用的是把问题分割成几个功能单元的层次化设计方法，从而使机器人缺乏鲁棒性，对环境的变化反应迟缓，实际上没有真正的智能，只能完成简单的任务。于是人们把生物系统中的脑神经系统、遗传系统、免疫系统的功能和分布式控制的思想运用到机器人的设计中，设计出了基于行为的进化机器人。进化机器人具有比传统机器人更快的速度和更好的灵活性、鲁棒性，进化算法可以比较容易地植入到这样的系统中，其硬件、软件的设计以及测试费用都比以前要少