[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

技術領域

本發明專利屬于圖像處理算法設計領域，涉及一種圖像分割領域的復雜圖像多閾值分割方法。

背景技術

圖像閾值分割因其分割簡單有效、實時性強的特點，受到了廣泛的關注。多閾值圖像分割作為閾值分割的擴展，具有區分背景和多個目標的優勢，但缺點是計算復雜、耗時長。近年來越來越多的生物啟發式算法被應用到圖像分割算法中，用于圖像閾值的快速尋優。吳一全等于2014年提出了最小倒數交叉熵作為閾值選取準則，應用人工蜂群算法進行優化計算，對火焰圖像進行了單閾值分割。缺點是最小倒數交叉熵計算式復雜，且只適用于單閾值圖像分割，并不適用于復雜圖像的多閾值分割。陳愷等于2014年提出了螢火蟲算法優化最大二維Kapur熵的多閾值計算，實現了復雜目標的多閾值圖像分割。缺點是算法的穩定性不理想，連續運行時結果波動較大。申請號為CN201410040869.9的中國發明專利申請提出了基于蝙蝠算法優化模糊熵的雙閾值圖像分割方法。缺點是只適用于雙閾值圖像分割，不適用于更多閾值的圖像分割。

在圖像閾值尋優過程中，單一的生物啟發式算法如人工蜂群算法、螢火蟲算法、蝙蝠算法等普遍具有局部搜索能力不強、易陷入局部最優的缺陷，這將導致最終獲得的分割閾值并不是理想的圖像分割閾值，甚至離理想閾值相去甚遠，導致圖像分割不準確。因此設計一種適用于復雜圖像的高精度、高穩定性的多閾值分割方法顯得尤為重要。

發明內容

發明目的：針對現有圖像分割方法局部搜索能力不強、復雜圖像分割不準確的缺陷，本發明提出了一種針對復雜圖像的高精度、高穩定性的多閾值分割方法。

技術方案：為解決上述技術問題，本發明基于改進粒子群優化與引力搜索混合算法，提供了一種復雜圖像多閾值分割方法(hybrid?PSOGSA?with?generalized?opposition-based?learning，GOPSOGSA)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)。

具體地，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；X_d為種群P的一個粒子，則其反向粒子X_d^*由以下公式計算：