柔性形态学是数学形态学发展的一个重要分支。1991年,L.Koskinen提出了柔性形态滤波器,它将排序加权统计方法代替最小、最大法,将一个结构元分成边界和硬核两大部分。柔性形态滤波器具有更强的抗噪声干扰能力,对加性噪声和微小形状变化不敏感,是一种效果较好的形态滤波器。本文围绕柔性形态滤波器的优化算法及其应用做了以下研究。 系统介绍了形态学基本理论和柔性形态滤波器的基本概念,在此基础上,分析与介绍柔性形态滤波器的重要特性,显示其多种优良性能。对遥感图像去噪处理的仿真结果也说明,柔性形态滤波器可以在有效滤除噪声的同时,保留图像的细节信息。 本文的重点是对柔性形态滤波器优化算法的研究。针对柔性形态滤波器的高效快速优化问题,基于MSE和MAE准则,本文采用了三种有效实用的仿生算法:遗传算法、禁忌搜索算法和蚁群算法。在遗传算法优化中,通过模拟自然界物种的进化规则,采用了分段自适应交叉变异概率,用整体模拟退火机制控制代间选择,采用优生学原理强化性状差异的遗传优势,并将优化参数以神经网络结构通用表达;在禁忌搜索算法优化中,通过部分模拟人脑的推理和思维能力,合理设定了禁忌表和禁忌长度,避免搜索原地徘徊、陷入局部最优,充分利用了算法自身的独特结构获得全局最优解;在蚁群算法优化中,通过模拟自然界蚁群觅食时相互沟通、协作的过程,合理设置人工蚁群的参数,利用蚁群算法自身的并行计算、正反馈增强和概率选择机制,协调搜索随机性和收敛性,实现了柔性形态滤波器的多参数组合优化。各种算法都进行相应的仿真实验,验证了它们的可行性和有效性。