【正文】 生物人類(lèi)等，參照它們的群體協(xié)作行為以及對(duì)環(huán)境變化的適應(yīng)行為，最終實(shí)現(xiàn)了 該 人工生命 模型 。主要介紹了圖像分割的背景和動(dòng)機(jī)，研究的內(nèi)容和創(chuàng)新點(diǎn)，以及論文的結(jié)構(gòu)。每個(gè)子區(qū)域的內(nèi)部是連通的，同一區(qū)域內(nèi)部具有相同或相似的特性，這里的特性可以是灰度、顏色、紋理等。如果圖像只有目標(biāo)和背景兩大類(lèi) ,那么只需選 取一個(gè)閾值稱(chēng)為單閾值分割，這種方法是將圖像中每個(gè)像素的灰度值與閾值相比較，灰度值大于閾值的像素為一類(lèi)，灰度值小于閾值的像素為另一類(lèi)。其基本思想是用閾值把圖像像素劃分為兩類(lèi)，通過(guò)使劃分后得到的兩類(lèi)的類(lèi)間方差最大來(lái)確定最佳閾值。 (, )Gij 1 當(dāng) ? 1F(i,j) D 時(shí) 2 當(dāng) ? 2F(i,j) D 時(shí) 。 閾值法優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，速度快，易于實(shí)現(xiàn)。首先為每個(gè)需要分割的區(qū)域確定一個(gè)種子像素作為生長(zhǎng)起點(diǎn)，然后按一定的生長(zhǎng)準(zhǔn)則把它周?chē)c其特性相同或相似的像素合并到種子像素所在的區(qū)域中。一種利用四叉樹(shù)表達(dá)方法的分割算法如下： R代表整個(gè)正方形圖像區(qū)域， P代表檢驗(yàn)準(zhǔn)則。對(duì)于階躍狀邊緣，其位置對(duì)應(yīng)一階導(dǎo)數(shù)的極值點(diǎn)，對(duì)應(yīng)二階導(dǎo)數(shù)的過(guò)零點(diǎn)（零交叉點(diǎn)）。 [ ( 1 , 1 ) 2 ( 1 , ) ( 1 , 1 ) ] [ ( 1 , 1 ) 2 ( 1 , ) ( 1 , 1 ) ]yf f i j f i j f i j f i j f i j f i j? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 上述的 Sobel算子不是各向同性的，沿不同方向的梯度幅值不一樣，因此通常使用改進(jìn)的各向同性的 Sobel算子，它的加權(quán)系數(shù)是 2 不是 2。1 1 1 1 0 0 0 2 2? 1 2 1 0 0 0 1 1 2? 圖 27 改進(jìn)的 Sobel 算子卷積模板 第 17 頁(yè) 共 78 頁(yè) 如果獲得了完全的分割，邊界將圖像分割為區(qū)域，但是如果僅產(chǎn)生了部分分割，區(qū)域并沒(méi)有唯一的定義，根據(jù)邊界確定區(qū)域的問(wèn)題可能是一個(gè)非常復(fù)雜的問(wèn)題，需要與高層知識(shí)配合。 而 Ray T 則認(rèn)為“人工生命用非生命的元素去建構(gòu)生命現(xiàn)象以了解生物學(xué)，而不是把自然的生物體分解成各個(gè)單元，它是一種綜合性方法而不是還原的方法”。在這篇論文中，他提出了人工生命的一些萌芽思想。為了避免當(dāng)時(shí)電子管計(jì)算機(jī)技術(shù)的限制，他提出了細(xì)胞 自動(dòng)機(jī)（簡(jiǎn)稱(chēng) CA）的設(shè)想：把一個(gè)長(zhǎng)方形平面分成很多個(gè)網(wǎng)格，每一個(gè)格點(diǎn)表示一個(gè)細(xì)胞或系統(tǒng)的基元，每一個(gè)細(xì)胞都是一個(gè)很簡(jiǎn)單、很抽象的自動(dòng)機(jī)，每個(gè)自動(dòng)機(jī)每次處于一種狀態(tài)，下次的狀態(tài)由它周?chē)?xì)胞的狀態(tài)、它自身的狀態(tài)以及事先定義好的一組簡(jiǎn)單規(guī)則決定。這一特點(diǎn)吸引了大批學(xué)者，其中包括 Langton C G。網(wǎng)絡(luò)上的人工生命資源非常豐富，人工生命的網(wǎng)上園地 Zooland 曾在《科學(xué)》雜志 上得到專(zhuān)門(mén)的報(bào)道。因此可以忽略物質(zhì)，從中抽象出控制生命的邏輯?！安豢深A(yù)測(cè)性”經(jīng)常被用作評(píng)估突現(xiàn)的標(biāo)準(zhǔn)。 （ 5）并行處理 。諾依曼最終證明了的確存在能夠進(jìn)行自我復(fù)制的細(xì)胞自動(dòng)機(jī)。人工社會(huì)是由各個(gè)行為者自我組織形成的，由各個(gè)行為者在簡(jiǎn)單規(guī)則的支配下，與人工環(huán)境交互作用突現(xiàn)形成的。在系統(tǒng)的設(shè)計(jì)中引入了人工生命中的“進(jìn)化與突現(xiàn)”機(jī)制，使系統(tǒng)具備自治和創(chuàng)造性，從而實(shí)現(xiàn)在功能和結(jié)構(gòu)上的自發(fā)變化。由于進(jìn)化算法的整體搜索策略和優(yōu)化計(jì)算時(shí)不依賴(lài)于梯度信息 ，所以它的應(yīng)用非常廣泛，尤其適合于處理傳統(tǒng)搜索方法難以解決的高度復(fù)雜的非線(xiàn)性問(wèn)題。 人工生命的應(yīng)用與發(fā)展前景 人工生命自誕生以來(lái)就吸引了不同學(xué)科的眾多專(zhuān)家學(xué)者進(jìn)行研究，已經(jīng)在一些研究領(lǐng)域取得了廣泛的應(yīng)用，比如娛樂(lè)、機(jī)器人、經(jīng)濟(jì)模型、交通流管理、人工生命算法與優(yōu)化技術(shù)、信息提取和計(jì)算機(jī)科學(xué)等。人們往往把生物機(jī)器人比作昆蟲(chóng)，它們裝備良好，不僅可以在危險(xiǎn)地形中穿行，而且能夠在低能量值的狀態(tài)下保持存活。人們從生物物種消亡與繁榮的進(jìn)化機(jī)制得到了洞察股票市場(chǎng)的崩潰與增長(zhǎng)的方法。 （ 5）人工生命算法及優(yōu)化應(yīng)用。由于人工生命的自組織、自適應(yīng)和進(jìn)化突現(xiàn)等特點(diǎn)，人工生命技術(shù)為互聯(lián)網(wǎng)上的信息搜索提供了一個(gè)良好的檢索技術(shù)。 20xx年， Ramos和 Almeida[35]將 Chialvo和 Millonas提出的蟻群模型運(yùn)用到了數(shù)字圖像處理領(lǐng)域，預(yù)示了人工生命在計(jì)算機(jī)動(dòng)畫(huà)領(lǐng)域的應(yīng)用前景。這里給予特別關(guān)注的一類(lèi)人工生命方法是采用自底向上的方法 。從行為科學(xué)的觀點(diǎn) ,這些低層的過(guò)程，如目標(biāo)檢測(cè)和分割 ,被很多研究者看作下意識(shí)的過(guò)程。 人工生命是剛剛興起的綜合性的新興學(xué)科，其發(fā)展很快，研究范圍也越來(lái)越廣，是很有前景的研究方向。不同于一般的動(dòng)力學(xué)模型， 細(xì) 胞自動(dòng)機(jī)不是由嚴(yán)格定義的物理方程或函數(shù)確定，而是用一系列模型構(gòu)造的規(guī)則構(gòu)成。下面介紹生命游戲的構(gòu)成及規(guī)則 [41， 42]： （ 1）細(xì)胞 分布在規(guī)則劃分的網(wǎng)格上 （ 2）細(xì)胞 具有 0， 1兩種狀態(tài)， 0 代表 “死” ， l 代表 “生” （ 3）細(xì)胞 以相鄰的 8個(gè) 細(xì)胞 為鄰居。 盡管它的規(guī)則看上去很簡(jiǎn)單。這種方法的最大特點(diǎn)就是它是自底向上的，非全局控制，和并行進(jìn)行的。整個(gè)系統(tǒng)的過(guò)程如圖31。 其中 T為一閾值用來(lái)判斷智能體的生存適應(yīng)能力，該閾值不等同于閾值分割的閾值。 生存與擴(kuò)張 智能體的生存規(guī)則定義 ① 其鄰域內(nèi)為同一種群的生命智能體。但是這種方法與細(xì)胞自動(dòng)機(jī)有兩點(diǎn)不同：第一就是智能體的生存環(huán)境不是像細(xì)胞自動(dòng)機(jī)那樣無(wú)生存環(huán)境，而是具有灰度等特征的真實(shí)的圖像；第二智能體的行為與生存不僅與其他智能體進(jìn)行交互還要 與環(huán)境進(jìn)行交互。 細(xì)胞 狀態(tài) ： 0－ 死亡， 1－ 活著 領(lǐng)域半徑 ： 1 領(lǐng)域類(lèi)型 ： Moore 型 演化規(guī)則： 1） 1 1 , 2 ,30 , 2 ,3S 1 {t t SSS ?? ???若則 2） 1 1 , 30 , 3S 0 {t t SSS ?? ???若則 其中 St 表示 t 時(shí)刻細(xì)胞的狀態(tài)， S 為相鄰的 8個(gè)細(xì)胞中活著的細(xì)胞數(shù) 。則該 細(xì)胞 在下一時(shí)刻 “復(fù)活” 。 1970年，劍橋大學(xué)的康韋編制了一個(gè)名為“生命”的游戲程序，更形象的也更具體的說(shuō)明了細(xì)胞自動(dòng)機(jī)的原理。散布在規(guī)則格網(wǎng) (Lattice Grid)中的每一細(xì) 胞 (Cell)取有限的離散狀態(tài)，遵循同樣的作用規(guī)則，依據(jù)確定的局部規(guī)則作同步更新。但是這些經(jīng)典方法也都有其局限性，不能滿(mǎn)足所有的實(shí)際的應(yīng)用需求。這種集中的方法學(xué)極大地幫助了人們對(duì)圖像的理解 ,但常常未能獲得滿(mǎn)意的效果。傳統(tǒng)方法普遍對(duì)噪聲敏感，主要針對(duì)某類(lèi)應(yīng)用 ,不靈活且通用性不強(qiáng)。 1992年Thearling通過(guò)構(gòu)建一種依據(jù)遺傳算法演化的人工生命群體，實(shí)現(xiàn)了二值圖像的還原。 （ 6） 信息提取。TRANSIMS 交通模型工程就是這種系統(tǒng)的例子，它分析和模擬了像美國(guó)Albuquerque 市這樣的大規(guī)模交通系統(tǒng)， 1993 年在 Los Alamos 市已開(kāi)始使用。 （ 3）經(jīng)濟(jì)模型。 MIT 的著名學(xué)者 Maes 就是這個(gè)領(lǐng)域的代表人物。進(jìn)化機(jī)器人具有比傳統(tǒng)機(jī)器人更快的速度和更好的靈活性、魯棒性，進(jìn)化算法可以比較容易地植入到這樣的系統(tǒng)中，其硬件、軟件的設(shè)計(jì)以及測(cè)試費(fèi)用都比以前要少。進(jìn)化算法研究主要是提供具有進(jìn)化特征的算法。日本電器通訊進(jìn)程技術(shù)研究所的進(jìn)化系統(tǒng)部開(kāi)發(fā)了一種稱(chēng)為“人工腦”的信息處理系統(tǒng)，該系統(tǒng)具有自治能力和創(chuàng)造性。 第 21 頁(yè) 共 78 頁(yè) （ 3）數(shù)字社會(huì)。諾伊曼提出的，細(xì)胞自動(dòng)機(jī)是一個(gè)細(xì)胞陣列，每個(gè)細(xì)胞都是離散結(jié)構(gòu)，按照預(yù)先規(guī)定的規(guī)則， 它們的狀態(tài)可隨時(shí)間而變化，傳遞規(guī)則是通過(guò)陣列計(jì)算每個(gè)細(xì)胞的當(dāng)前狀態(tài)以及它的近鄰的狀態(tài)，所有的細(xì)胞均自發(fā)地更新。它力圖從簡(jiǎn)單的局部控制出發(fā)，讓行為從底層突現(xiàn)出來(lái)。比如康韋的“生命游戲”產(chǎn)生滑翔、振蕩等現(xiàn)象。有兩句著名的格言“如吾所識(shí)的生命” (Life as we know it)和“如其所能的生命” (Life as it could be)，前者是傳統(tǒng)生物學(xué)研究的主題，后者是人工生命研究的主題。此外， IEEE也召開(kāi)了相關(guān)的國(guó)際會(huì)議 “進(jìn)化計(jì)算”以及“仿真和適應(yīng)行為”。諾伊曼未完成的工作，在他去世多年后由康韋 (JohnC onway)、沃弗 拉姆 (Stephen Wolfram)和蘭頓 (Chris Langton)等人進(jìn)一步發(fā)展。與圖靈一樣，他也試圖用計(jì)算的方法揭示出生命最本質(zhì)的方面。圖靈是人工科學(xué)的第一個(gè)先驅(qū)。 目前關(guān)于人工生命尚無(wú)統(tǒng)一的定義，不同學(xué)科背景的學(xué)者對(duì)它有著不同的理解 。很少有合適的理由來(lái)解釋為什么選擇某個(gè)特別的局部鄰 域算子尺度。由于差分算子的抗干擾性很差，噪音會(huì)使得使用差分算子的時(shí)候在噪音邊緣產(chǎn)生沖擊， Sobel算子通過(guò)先求加權(quán)平均然后再求差分的方法來(lái)增強(qiáng)抑制噪音干擾的能力： 39。 基于邊界的圖像分割方法 基于邊界的分割方法是利用不同區(qū)域間象素灰度不連續(xù)的特點(diǎn)檢測(cè)出區(qū)域間的邊緣，從而實(shí) 現(xiàn)圖像分割。另外，它是一種串行算法，當(dāng)目標(biāo)較大時(shí)，分割速度較慢，因此在設(shè)計(jì)算法時(shí)要盡量提高效率。區(qū)域生長(zhǎng)和分裂合并法是兩種典型的串行區(qū)域技術(shù)，其分割過(guò)程后續(xù)步驟的處理要根據(jù)前面步驟的結(jié)果進(jìn)行判斷而確定。 圖 22 多閾值劃分圖 第 12 頁(yè) 共 78 頁(yè) 圖 23 原始 peppers 圖像 A 二值分割圖像 B 三值分割圖像 C 四值圖像分割 D 五值圖像分割 第 13 頁(yè) 共 78 頁(yè) 圖 24 Otsu 法應(yīng)用到多閾值分割的效果圖 Otsu 算法不僅適用于選擇單閾值，也可用于 多閾值的確定 [11]。其次，還有許多使用多閾值的閾值化修正方法比如文獻(xiàn) [9]利用遺傳算法進(jìn)行多個(gè)閾值的選取和文獻(xiàn) [10]中提到的基于過(guò)渡區(qū)域的多閾值分割方法 ，其處理后的結(jié)果圖像不再是二值的，而是一個(gè)有限的灰度值集合組成的圖像 。選取直方圖的谷點(diǎn)可借助求曲線(xiàn)極小值的方法，該方法對(duì)于目標(biāo)和背景有很大灰度差異的圖像能實(shí)現(xiàn)簡(jiǎn)單而有效的分割。（ ）式表示子區(qū)域的并集是整個(gè)圖像，這一點(diǎn) 是 保證圖像的每個(gè)象素都被處理的充分條件 第 10 頁(yè) 共 78 頁(yè) 傳統(tǒng)圖像分割的方法及其局限 閾值法 閾值法是一種最簡(jiǎn)單的圖像分割方法 ,是一種最常用的并行區(qū)域技術(shù)。 第五章是結(jié)論和展望部分，對(duì)兩個(gè)人工生命模型作了簡(jiǎn)短的總結(jié)，并且對(duì)于模型的改進(jìn)的方向和問(wèn)題發(fā)表了一些看法以及對(duì)于圖像處理領(lǐng)域結(jié)合人工生命的方法論的前 景做出了展望。 通過(guò)實(shí)驗(yàn)驗(yàn)證， 該模型對(duì)于提取視頻序 列的目標(biāo)有較好的效果。在研究該智能體模型的過(guò)程中，參閱了大量關(guān)于人工生命的思想和方法的論文后，形成了一些自己的想法，也作了一些原創(chuàng)性的研究，具體為以下幾點(diǎn)。而且人工生命通過(guò)對(duì)生命世界的 模擬不僅更好地理解生命現(xiàn)象，同時(shí)也為解決復(fù)雜問(wèn)題提供新的思路和方法。因此對(duì)圖像分割方法的研 第 6 頁(yè) 共 78 頁(yè) 究具有十分重要的意義。 視頻監(jiān)控系統(tǒng)是多媒體技術(shù)、計(jì)算機(jī)網(wǎng)絡(luò)、工業(yè)控制和人工智能等技術(shù)的綜合運(yùn)用，它正向著視頻音頻的數(shù)字化、系統(tǒng)的網(wǎng)絡(luò)化和管理的智能化方向不斷發(fā)展 [4， 5， 6]。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。實(shí)驗(yàn)表明，該方法不僅具有很好的性能而且具有較好的應(yīng)用潛力。 本文分別就單一的靜態(tài)圖像和圖像視頻序列提出了兩個(gè)人工生命模型，基于細(xì)胞自動(dòng)機(jī)的人工生命模型和基于多粒度的人工生命模型。圖像分割主要是指將圖像分成各具特性的區(qū)域并提取出感興趣的區(qū)域的技術(shù)，其研究多年來(lái)一直受到人們的高度重視。生命體個(gè) 體體積的大小也不再僅僅局限在像素 級(jí)上，而是同時(shí)考慮了由小的生命個(gè)體聚集而成的更大規(guī)模的生命群落及群落之間的交互。對(duì)本研究提供過(guò)幫助和做出過(guò)貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說(shuō)明并表示了謝意。 涉密論文按學(xué)校規(guī)定處理。 攝 像 機(jī) 圖 像 采 集 預(yù) 處 理 圖 像 分 割圖 像 識(shí) 別結(jié) 果 輸 出初 始 設(shè) 置 圖 11 視頻監(jiān)控圖像處理流程圖 由于移動(dòng)視頻系 統(tǒng)在特定環(huán)境下（抖動(dòng)，光線(xiàn)模糊，相對(duì)速度等）得到的圖像是不清晰的，從而不能為后繼的決策提供可靠的依據(jù)，所以需要首先對(duì)圖像進(jìn)行分割，將目標(biāo)與背景分離出來(lái)，從而能夠得到圖像所包含的相對(duì)準(zhǔn)確的信息。但是這些方法都有其局限性，影響了它們的性能和應(yīng)用。目前，己經(jīng)有研究人員嘗試將人工生命應(yīng)用到圖像分割領(lǐng)域中來(lái)，雖然相關(guān)的研究還比較少，但是取得的研究成果表明將人工生命引入到圖像分割中能夠獲得有意義的成功。 針對(duì)視頻序列的特征提出基于多粒度的改進(jìn)的人工生命模型 在基于細(xì)胞自動(dòng)機(jī)的人工生命模型的基礎(chǔ)上，提出了用于對(duì)視頻圖像 進(jìn)行分割的多粒度的人工生命模型。 第二章是圖像分割與人工生命的研究背景介紹部分。連通是指在該區(qū)域內(nèi)任 意 兩個(gè)像素之間存在一條完全由這個(gè)區(qū)域的元素構(gòu)成的連通路徑。如果圖像中有多個(gè)目標(biāo)，就需要選取多個(gè)閾值將各個(gè)目標(biāo)及背景分開(kāi)，這種方法稱(chēng)為多閾值分割。設(shè)圖像 f ( x , y) 灰度級(jí)范圍為 G = [ 0 , L 1]，各灰度級(jí)出現(xiàn)的概 第 11 頁(yè) 共 78 頁(yè) 率為 Pi，閾值 t 將圖像像素分為兩類(lèi) C0 = [0 ， t ]和 C1 = [ t + 1 ,L 1 ]。它的缺點(diǎn)是當(dāng)圖像中的目標(biāo)和背景