内 容 简 介 
在智能城市、医学图像等应用领域,获取图像的显著性区域对降低系统计算复杂度、提高图像理解能力具有重要意义,因而将图像分成互不交叠、含有相似目标区域的图像分割技术成为计算机视觉领域的研究热点之一。 
本书从图像分割的视角来研究各种智能算法以及应用。以图像分割为研究对象,以智能算法为研究主线,从二维图像到有深度信息的三维图像,所涉及的智能算法均为近几年研究的热点。本书内容涵盖二维和三维图像,以期为图像分割提供理论基础和技术支撑。 
现有的图像分割类书籍,均是采用经典的阈值方法或图论方法对图像进行分割。智能算法类书籍多是关注智能算法本身,且各有侧重点,一些前沿的技术没有反映在书中。本书的读者对象为高校计算机、信息和控制类等相关专业的研究生和教师,也可作为相关方向研究人员的参考用书。

前言
当前我们正处于智能化时代,各种智能体迫切需要更优的算法进行控制,社会各界均对智能优化算法存在大量的需求。然而,智能优化算法和传统的优化算法相比,发展历史还比较短,还有许多不完善的地方,很多算法因为本身搜索策略的缺陷,导致容易陷入局部最优,且算法稳定性和收敛性的分析与证明还处于研究阶段,智能算法领域还有太多的问题等待探索和解决。同时,社会经济的发展迫切需要人工智能方向的人才,全国很多高校顺应时代潮流也相继成功申报人工智能专业,智能计算作为新专业的核心课程之一,也受到高校师生的广泛关注。 
本书以图像分割为研究对象,以智能算法为研究主线,从二维图像到有深度信息的三维图像,所涉及的智能算法均为前沿方向。本书提出二维 K-L散度作为粒子群算法的适应度函数以解决多目标阈值分割的计算复杂度和精度难题;提出根据粒子适应度函数的梯度估计群体进化状态,改进了极值优化的突变策略;提出基于高阶一致性和生成对抗网络的图像语义分割算法以改进语义分割输出的一致性和细节;提出基于焦点函数的生成对抗损失函数和深度学习模型以解决三维图像不平衡样本的分割精度难题。
本书共7章。第1~4章,研究粒子群优化算法并对其进行改进,解决图像多目标分割算法复杂度和精度问题;第5、6章,主要研究生成对抗网络,解决图像语义分割的内部一致性和样本不平衡问题;
第7章对面向图像分割的智能算法领域进行了进一步的探索。本书注重理论与实践相结合,通过理论分析和实验验证所提算法的有效性。 
本书第6章在编写过程中得到研究生陈正的大力支持,在此表示衷心的感谢。编著一本内容新颖并具有理论意义和应用背景的智能算法方面的专著,是编者多年的梦想,但因水平及能力所限,殷切希望读者批评指正。

目录
第1章 绪论 1
1.1 引言 1  
1.2 国内外研究概况 2  
1.2.1 图像多层分割算法 2  
1.2.2 图像语义分割算法 4  
1.3 研究内容 7  
第2章 图像分割和智能算法基础 9  
2.1 图像分割基础 9  
2.1.1 基于进化算法的图像多层分割算法 10  
2.1.2 基于深度学习的图像语义分割算法 14  
2.2 智能算法基础 22  
2.2.1 最优化问题 22  
2.2.2 函数优化问题 23  
2.2.3 组合优化问题 23  
2.2.4 NP理论 23  
2.2.5 智能优化方法 24  
2.2.6 智能优化算法的发展趋势 25  
2.3 本章小结 25  
第3章 基于二维 K-L散度和改进粒子群优化的图像多层分割算法 26  
3.1 引言 26  
3.2 K-L散度 27  
3.3 二维直方图 28  
3.4 粒子群优化 29  
3.5 提出的算法 30  
3.5.1 散度和图像分割之间的关系 30  
3.5.2 二维散度图像分割算法 31  
3.5.3 改进的粒子群优化算法 32  
3.5.4 2DK-L散度和 MPSO 的结合 33  
3.6 实验结果 33  
3.7 本章小结 39
第4章 基于改进极值优化的自适应粒子群图像多层分割算法 40  
4.1 引言 40  
4.2 极值优化 41  
4.3 提出的优化算法 42  
4.3.1 改进的极值优化 (IEO) 42  
4.3.2 基于梯度的自适应 PSO-IEO 算法 43  
4.3.3 提出算法的时间复杂度 44  
4.3.4 提出算法的适应度函数 45  
4.4 实验结果 45  
4.4.1 实验1:基准测试函数 45  
4.4.2 实验2:图像多层分割 51  
4.5 本章小结 53  
第5章 基于高阶一致性和生成对抗网络的图像语义分割算法 54  
5.1 引言 54  
5.2 基于 GAN 的图像语义分割算法 56  
5.2.1 算法的网络架构 56  
5.2.2 损失函数 57  
5.3 训练方式 58  
5.3.1 防止过拟合 58  
5.3.2 优化算法 59  
5.4 实验结果 61  
5.4.1 常用的图像语义分割数据集 61  
5.4.2 评估标准 62  
5.4.3 实验1:PASCALVOC2012 数据集 63  
5.4.4 实验2:Cityscapes数据集 66  
5.5 本章小结 68  
第6章 结合深度信息的不平衡样本图像语义分割算法 69  
6.1 引言 69  
6.2 显著性目标检测算法国内外研究现状 70  
6.3 不平衡样本特性及危害 71  
6.4 焦点损失函数 72 
6.5 图像的深度信息及优势 73  
6.6 不平衡样本语义分割算法 74  
6.6.1 生成对抗网络原理简介 74  
6.6.2 算法的网络结构 74 
6.6.3 算法的损失函数定义 76 
6.7 实验结果 77  
6.7.1 常用显著性检测数据集 77
6.7.2 评价指标 77 
6.7.3 实验设置 78
6.7.4 对比实验 78 
6.7.5 消融实验 79
6.8 本章小结 81
第7章 展望 82
参考文献 83

赵晓丽，上海工程技术大学电子电气工程学院副院长，职称副教授，学历博士研究生，专业方向为通信与信息系统，美国加州大学圣芭芭拉分校访问学者发表核心论文数篇，获“基于三维密集网络的镜头边界检测方法”的专利。？

无