[發明專利]一種復雜圖像多閾值分割方法

有效

• 申請號: 201410649123.8
• 申請日: 2014-11-14
• 公開（公告）號: CN104331893A
• 公開（公告）日: 2015-02-04
• 發明（設計）人: 張志勝;巢淵;戴敏
• 申請（專利權）人: 東南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 李曉

1.一種復雜圖像多閾值分割方法，其特征在于包括以下步驟：

(1)初始化粒子群優化與引力搜索混合算法各項參數：粒子總數N，學習因子c₁、c₂，慣性權重ω，反向概率p₀，最大迭代次數MAXNGER，隨機生成所有粒子的初始位置；

(2)若隨機生成一個0～1的數rand(0,1)小于p₀，進入步驟(3)，否則進入步驟(4)；

(3)生成反向種群，計算當前種群與反向種粒子的適應度值，從中選取N個最優粒子組成新的種群，進入步驟(5)；

(4)計算當前種群的適應度值；

(5)根據適應度值更新全局最優粒子，對全局最優粒子進行變異，比較其與變異粒子的適應度值，取適應度值較大的作為新的全局最優粒子；

(6)若當前迭代次數超過最大迭代次數，則停止迭代，輸出全局最優粒子位置作為圖像分割閾值對圖像進行多閾值分割，否則根據粒子群優化與引力搜索混合算法中的公式更新種群粒子的速度與位置，當前迭代次數加1，進入步驟(2)。

2.根據權利要求1所述的一種復雜圖像多閾值分割方法，其特征在于：所述步驟(3)還包括以下步驟：

(3.1)根據圖像多閾值分割中的廣義反向粒子定義式，生成當前種群P的反向種群GOP；

(3.2)由預先設定的圖像多閾值分割評價函數作為種群適應度計算式，計算當前種群P與反向種群GOP的適應度；

(3.3)對當前種群P與反向種群GOP總計2N個粒子進行適應度的排序，從中選出N個適應度最高的粒子組成新的種群P，進入步驟(5)。

3.根據權利要求1所述的一種復雜圖像多閾值分割方法，其特征在于：所述步驟(5)還包括以下步驟：

(5.1)從當前種群P中挑選出適應度最高的粒子作為全局最優粒子；

(5.2)對全局最優粒子依照正態變異公式進行變異，生成變異粒子；

(5.3)比較最優粒子與變異粒子的適應度值，取兩者中適應度較大的作為新的全局最優粒子。

4.根據權利要求1所述的一種復雜圖像多閾值分割方法，其特征在于：所述步驟(6)還包括以下步驟：

(6.1)若當前迭代次數超過最大迭代次數MAXNGER，則停止迭代，輸出全局最優粒子位置作為圖像分割閾值對圖像進行多閾值分割；

(6.2)若當前迭代次數未超過最大迭代次數MAXNGER，則根據粒子群優化與引力搜索混合算法中的公式更新種群粒子的速度與位置，當前迭代次數加1，進入步驟(2)。

5.根據權利要求4所述的一種復雜圖像多閾值分割方法，其特征在于：所述步驟(6.2)中，種群粒子的速度更新公式如下：

V_i^d(t+1)＝ωV_i^d(t)+c′₁·rand₁·a_i^d(t)+c′₂·rand₂·(gbest-X_i^d(t))

式中ω為粒子的慣性權重；c′₁、c′₂為加速因子；rand₁、rand₂分別為[0,1]的隨機數，X_i^d(t)和V_i^d(t)分別是第i個粒子在第t次迭代時在d維的位置和速度，d＝1,2,...,D，D為搜索空間維度，a_i^d(t)表示第i個粒子在第t次迭代時在d維的加速度；

種群粒子的位置更新公式如下：

X_i^d(t+1)＝X_i^d(t)+V_i^d(t+1)。