【正文】 鄰域的定義 ? ?( , ) ( , ) | ( , ) ( , )N i j m n a i j c m n d? ? ? ( , )cmn 為當(dāng)前的智能體所處位置， (, )aij 為其周圍的智能體的位置， d 為鄰域半 第 29 頁(yè) 共 78 頁(yè) 徑。最初的智能體的個(gè)數(shù)，位置及其生命特征值是隨機(jī)生成的。 第 28 頁(yè) 共 78 頁(yè) 初 始 化（ 生 命 體 的 個(gè) 數(shù) ， 位 置 和 特 征 值 ）繁 衍擴(kuò) 張分 割 結(jié) 果死 亡 個(gè) 體 間 交 互 規(guī) 則與 環(huán) 境 的 交 互 規(guī) 則適 應(yīng) 度 判 定 規(guī) 則 圖 31 生命演化分割流程圖 智能體及其生存環(huán)境 我們將待處理圖像作為智能體生存的一個(gè)環(huán)境，并將待處理圖像視為方格狀環(huán)境，每個(gè)像素就是一個(gè)格子，每個(gè)像素格允許容納一個(gè)智能體存活。這種方式看上去與細(xì)胞自動(dòng)機(jī)模型很相似。最后的 結(jié)果完全是由智能體自發(fā)行為所涌現(xiàn)出來(lái)的。 從數(shù)學(xué)模型的角度看，該模型將平面劃分成方格棋盤(pán)，每個(gè)方格代表一個(gè) 細(xì)胞 。但生命游戲是具有產(chǎn)生動(dòng)態(tài)圖案和動(dòng)態(tài)結(jié)構(gòu)能力的 細(xì)胞 自動(dòng)機(jī)模型。且八個(gè)相鄰 細(xì)胞 中正好有三個(gè)為 “生” 。即 Moore 鄰居形式 （ 4） 一個(gè) 細(xì)胞 的生死由其在該時(shí)刻本 身的生死狀態(tài)和周圍八個(gè)鄰居的狀態(tài) (確切講是狀態(tài)的和 )決定 。諾伊曼未完成的工作，在他去世后多年由康韋等人進(jìn)一步發(fā)展。凡是滿足這些規(guī)則的模型都可以算作是 細(xì) 胞自動(dòng)機(jī)模型。諾伊曼提出的 ，是 一 個(gè) 時(shí)間和空間都離散的動(dòng)力系統(tǒng)。人工生命為研究各種自然現(xiàn)象提供了新的方法和途徑，為人 工智能，信息科學(xué)和系統(tǒng)科學(xué)的發(fā)展提供了新的思想。發(fā)展至今也出現(xiàn)了很多經(jīng)典的分割算法基本上分為三個(gè)大方向基于閾值的分割，基于區(qū)域的分割和邊緣檢測(cè)。它們更可能成為并行過(guò)程和自治類型 , 第 25 頁(yè) 共 78 頁(yè) 沒(méi)有任何中央控制者或協(xié)調(diào)者。圖像處理中的許多算法假定在處理中有一些類型的集中控制，因此圖像用這種預(yù)先確定的集中模型或者集 中算法來(lái)分析 ,如使用自上而下的等級(jí)結(jié)構(gòu)來(lái)分解圖像。復(fù)雜的行為是由許多簡(jiǎn)單的規(guī)則在一個(gè)較低層次的活動(dòng)的結(jié)果，或者說(shuō)是由遵循一定規(guī)則的大量 Agent的交互作用而突現(xiàn)出來(lái)的。傳統(tǒng)的人工智能使用自頂向下的方法，高層的智能行為是通過(guò)首先進(jìn)行明確的建模得到的。 20xx年 Ramos等人提出了能夠識(shí)別和分類理石紋理的人工生命模型，進(jìn)一步拓寬了人工生命的數(shù)字圖像處理領(lǐng)域的應(yīng)用。 boids模型被成功地應(yīng)用到影視動(dòng)畫(huà)、圖形學(xué)、生態(tài)學(xué)、信息地理學(xué)、虛擬現(xiàn)實(shí)、科學(xué)仿真、模式識(shí)別等多個(gè)學(xué)科和研究領(lǐng)域?；谥悄荏w信息提取的軟件，智能體能夠改善搜索過(guò)程、定位網(wǎng)絡(luò)錯(cuò)誤以及進(jìn)行網(wǎng)絡(luò)流量分配，能克服傳統(tǒng)信息提取的局限性，比如它可以減少數(shù)據(jù)庫(kù)索引量、降低問(wèn)題的規(guī)模和網(wǎng)絡(luò)服務(wù)器的負(fù)載，同時(shí)在多軟件智能體競(jìng)爭(zhēng)網(wǎng)絡(luò)資源上能自動(dòng)平衡負(fù)載。 另外，人 工生命優(yōu)化技術(shù)還被用于生物制藥中的分子結(jié)構(gòu)優(yōu)化。日本的 Ha—yashi 和韓國(guó) 的 Yang、 Lee 等人采用人工生命的思想來(lái)進(jìn)行工程上的優(yōu)化研究，提出一種基于人工生命的進(jìn)化算法，他們利用人工生命的突現(xiàn)移植以及人工生命可以動(dòng)態(tài)地和環(huán)境相互作用的特點(diǎn)，來(lái)實(shí)現(xiàn)全局尋優(yōu)，取得了較好的效果。與傳統(tǒng)方法采用全局的微分方程來(lái)處理全局動(dòng)態(tài)問(wèn)題不同，這種方法使用一種非全局的控制機(jī)制，即每個(gè)智能體有它自己的方式，它基于局部指定的屬性來(lái)使用交通資源。人工生命方法通過(guò)一些簡(jiǎn)單的規(guī)則可以產(chǎn)生復(fù)雜的行為模 第 23 頁(yè) 共 78 頁(yè) 式，這一特點(diǎn)適用于經(jīng)濟(jì)模型仿真。另外， Mataric研究 多機(jī)器人合作完成任務(wù)，而進(jìn)化機(jī)器人也是人工生命的應(yīng)用研究熱點(diǎn)。相對(duì)于笨重的機(jī)器人結(jié)構(gòu)而言，昆蟲(chóng)結(jié)構(gòu)雅致而精確?？尚判院涂筛惺苄詫?duì)于任何虛擬世界來(lái)說(shuō)都是非常重要的屬性，使用人工生命技術(shù)不僅能實(shí)現(xiàn)逼真的畫(huà)面與動(dòng)態(tài)環(huán)境進(jìn)行交互，而且使 人機(jī)交互機(jī)制更加容易設(shè)計(jì)實(shí)現(xiàn)。在人工 生命的研究中，許多智能算法是仿效自然界生物體的信息處理方法，它們不僅效率高，而且可應(yīng)用于科學(xué)和工程的諸多實(shí)際應(yīng)用領(lǐng)域。 第 22 頁(yè) 共 78 頁(yè) 于是人們把生物系統(tǒng)中的 腦神經(jīng)系統(tǒng)、遺傳系統(tǒng)、免疫系統(tǒng)的功能和分布式控制的思想運(yùn)用到機(jī)器人的設(shè)計(jì)中，設(shè)計(jì)出了基于行為的進(jìn)化機(jī)器人。人工生命研究的重要內(nèi)容就是進(jìn)化現(xiàn)象，因此許多人工生命模型也都采用 GA 來(lái)創(chuàng)建進(jìn)化系統(tǒng)，使其成為研究進(jìn)化現(xiàn)象的重要方法之一。 （ 6）進(jìn)化算法。 （ 5）虛擬生物 [24， 27]。 （ 4）人工腦。人工社會(huì)的行為者是一個(gè)能夠隨著時(shí)間發(fā)生變化或者具有適應(yīng)性的數(shù)據(jù)結(jié)構(gòu)。數(shù)字生命 的研究在計(jì)算機(jī)上演示出了許多生命現(xiàn)象的深刻特征，為考查生物的進(jìn)化現(xiàn)象和研究復(fù)雜系統(tǒng)提供了一個(gè)實(shí)驗(yàn)手段 [23]。 1984 年 Wolfram S 對(duì) CA 做了全面的研究。 細(xì)胞自動(dòng)機(jī)是由馮 在人工生命中，信息處理原則是基于實(shí)際生命中的大量并行處理過(guò)程，如在一個(gè)鳥(niǎo)群中 ， 是很多鳥(niǎo)的個(gè)體在飛行方向上的小的變化而給予鳥(niǎo)群動(dòng)態(tài)特征 的。自下而上的編程與人工智能 (AI)中主導(dǎo)的編程原則是完全不同的。這種突現(xiàn)現(xiàn)象對(duì)生命系統(tǒng)來(lái)說(shuō)是關(guān)鍵的。同樣，在復(fù)雜性問(wèn)題研究中，突現(xiàn)意味著從低級(jí)行為和規(guī)則中無(wú)法預(yù)測(cè)而出現(xiàn)的高級(jí)現(xiàn)象。如果能夠在另外一種物質(zhì)中獲得相同的邏輯，就可以創(chuàng)造出不同材料的另外一種生命。人工生命研究的主要思想包括以下幾個(gè)方面 [23， 24， 25]： （ 1） 人工生命是關(guān)于一切可能生命形式的生物學(xué)。 我國(guó)在人工生命領(lǐng)域的研究也己經(jīng)起步。當(dāng)前主要有三個(gè)關(guān)于人工生命的系列學(xué)術(shù)研討會(huì)，一個(gè)是主要由美國(guó)承辦的 ALIFE 系列國(guó)際研討會(huì)；一個(gè) 是由歐洲主辦的“歐洲人工生命會(huì)議” (ECAL)，它從 1991 年開(kāi)始每?jī)赡昱e辦一屆，到 20xx 年為止已經(jīng) 第 19 頁(yè) 共 78 頁(yè) 舉辦了 7 屆；另一個(gè)是由日本舉辦的“人工生命和機(jī)器人” (AROB)系列國(guó)際研討會(huì)，從 1996年開(kāi)始每年舉行一屆。他認(rèn)為不應(yīng)將目光局限于已知形式的生命，如果人造系統(tǒng)具有繁衍、進(jìn)化、生存、死亡等生命特征，它也應(yīng)該看作是一種生命形式。 馮馮 20 世紀(jì) 40 年代和 50 年代，他在數(shù)字計(jì) 第 18 頁(yè) 共 78 頁(yè) 算機(jī)設(shè)計(jì)和人工智能領(lǐng)域做了很多開(kāi)創(chuàng)性的工作。他證明相對(duì) 簡(jiǎn)單的化學(xué)過(guò)程可以從均質(zhì)組織產(chǎn)生出新的秩序。 阿蘭 人工生命的產(chǎn)生和發(fā)展 人工生命雖然誕生于 20世紀(jì) 80年代末，但其智慧的種子可以追溯到阿蘭 人工生命的概念是由美國(guó)圣達(dá)菲研究所的 Langton C G 教授在 1987 年提 出來(lái)的，并把它定義為“研究具有自然生命系統(tǒng)行為特征的人造系統(tǒng)”。 圖像分割領(lǐng)域的方法和文獻(xiàn)有很多，我們?cè)谏厦鎯H僅介紹了幾大類常用的方法。它的卷積模 板 如下： 1001???????0110??????? 圖 29 Roberts 算子卷積模板 卷積邊緣檢測(cè)算子的主要缺點(diǎn)是它們依賴于尺度且對(duì)噪聲敏感。 1 0 1 2 1 0 0 2 1 1 1 2 0 0 0 1 2 1 圖 26 Sobel 算子卷積模板 第 16 頁(yè) 共 78 頁(yè) 拉普拉斯 (Laplacian)算子，定義如下： 22222( , ) ( , )( , ) ( ) ( )f x y f x yf x y xy??? ? ???????????? () 拉普拉斯算子是一個(gè)標(biāo)量，它沒(méi)有邊緣方向的信息，對(duì)噪音非常敏感，具有旋轉(zhuǎn)不變性即各向同性的性質(zhì)。 Sobel算子 [12]是實(shí)際應(yīng)用中效果比較好的邊 緣算子。因此常用微分算子進(jìn)行邊緣檢測(cè)，它是一種并行邊界技術(shù)。這種方法對(duì)復(fù)雜圖像的分割效果較好，但算法較復(fù)雜，計(jì)算量大，分裂還可能破壞區(qū)域的邊界。 1） 對(duì)任意區(qū)域 Ri，如果 P（ Ri ） =FAlSE就將其分裂為不重疊的四等分。它的缺點(diǎn)是需要人為確定種子點(diǎn)，對(duì)噪聲敏感，可能導(dǎo)致區(qū) 第 14 頁(yè) 共 78 頁(yè) 域內(nèi)有空洞。把這些新像素作為種子繼續(xù)生長(zhǎng)，直到?jīng)]有滿足條件的像素可被包括，這時(shí)生長(zhǎng)停止，一個(gè)區(qū)域就形成了。在基于區(qū)域的分割方法中比較 經(jīng)典的方法有區(qū)域生長(zhǎng)和分裂合并法。它的缺點(diǎn)是當(dāng)圖像中的目標(biāo)和背景灰度差異不明顯或灰度值范圍有重疊時(shí)，全局閾值的分割結(jié)果不理想，而且這種方法只考慮像素本身的灰度值，一般不考慮空間特征，因而對(duì)噪聲和灰度不均勻很敏感。 如果圖像中含有多個(gè)物體，尤其是含有多個(gè)灰度值存在差異的物體，顯然不能進(jìn)行二值化分割。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 C0 = [0 ， t ]和 C1 = [ t + 1 ,L 1 ]。若圖像的灰度直方圖呈雙峰狀且有明顯的谷 ,選擇谷點(diǎn)的灰度值作為閾值就可把目標(biāo)從背景中分割出來(lái)。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)，這種方法稱為多閾值分割。 P（ Ri∪ Rj） =FALSE 表示在分割結(jié)果中，不同的子區(qū)域具有不同的特性。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。 第四章是根據(jù)圖像視頻序列的圖像特征，針對(duì)目標(biāo)提取的圖像分割而提出的基于多粒度的改進(jìn)的人工生命模型，完整的介紹了該算法的設(shè)計(jì)思想，模型的各個(gè)模塊等 ， 并通過(guò)實(shí)驗(yàn)來(lái)展示了 多粒度人工生命 模型用于 目標(biāo)提取 的性能優(yōu)勢(shì)和發(fā)展及應(yīng)用的潛力，并與其他經(jīng)典算法的對(duì)比實(shí)驗(yàn)。 第二章是圖像分割與人工生命的研究背景介紹部分。本模型中的個(gè)體將不再局限于只將像素點(diǎn)作為生命個(gè)體而是提出了將更大的具有相同特征的生命群落作為個(gè)體，并且交互行為也不再僅僅是發(fā)生在像素點(diǎn)這樣的小的生命個(gè)體之間。 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。整個(gè)系統(tǒng)具有并行的、 自 適應(yīng)的、面向目標(biāo)等特征。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。人工生命研究那些“具有自然生命特征和生命現(xiàn)象的人造系統(tǒng)的理論模型生成方法和實(shí)現(xiàn)技術(shù)”，抽象地提取控制生物現(xiàn)象的基本動(dòng)態(tài)原理，并且通過(guò)物理媒介 (如計(jì)算機(jī) )來(lái)模擬生命系統(tǒng)動(dòng)態(tài)發(fā)展過(guò)程。但是這些方法都有其局限性，影響了它們的性能和應(yīng)用。只有在圖像分割的基礎(chǔ)上才能對(duì)目標(biāo)進(jìn)行特征提取和參數(shù)測(cè)量 ， 使得更高層的圖像分析和理解成為可能。 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。智能視頻監(jiān)控系統(tǒng)融入了視頻圖像序列理解和計(jì)算機(jī)視覺(jué)的相關(guān)知識(shí)，國(guó)際上對(duì)這方面的研究己經(jīng)達(dá)到相當(dāng)水平，國(guó)內(nèi)則處于起 步階段 [1， 2， 3]。 涉密論文按學(xué)校規(guī)定處理。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。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。通過(guò)生命個(gè)體和群體的繁衍，死亡，擴(kuò)張，遷移等行為，使的前景圖像被最終被分割出來(lái)。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。 在圖像分割的研究中引入人工生命的思想，將具有廣闊的研究空間和良好的應(yīng)用前景，將有希望發(fā)現(xiàn)新穎的更優(yōu)良的分割方法。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。由于待分割圖像的可變性比較大，且混有噪聲，構(gòu)成了圖像分割所面臨的主要困難。 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。生命體通過(guò)環(huán)境的變化獲得能量才能夠生存，它們能感覺(jué)到周圍的變化并向著變化的方向不斷擴(kuò)張。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。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說(shuō)明 本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉?jī)?nèi)容。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。 作者簽名： 日期： 年 月 日 導(dǎo)師簽名： 日期： 年 月 日 指導(dǎo)教師評(píng)閱書(shū) 指導(dǎo)教師評(píng)價(jià)： 一、撰寫(xiě)（設(shè)計(jì)）過(guò)程 學(xué)生在論文（設(shè)計(jì)）過(guò)程中的治學(xué)態(tài)度、工作精神 □ 優(yōu) □ 良 □ 中