[發明專利]一種煤泥浮選泡沫圖像去噪中結構元素優化的方法

有效

• 申請號: 201510079273.4
• 申請日: 2015-02-12
• 公開（公告）號: CN104657949B
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 田慕玲;楊潔明;魏晉宏;包玉奇
• 申請（專利權）人: 太原理工大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/00
• 代理公司: 太原市科瑞達專利代理有限公司14101
• 代理人: 李富元

1.一種煤泥浮選泡沫圖像去噪中結構元素優化的方法，對從選煤廠浮選現場獲取的煤泥浮選泡沫圖像，采用形態學開閉濾波器對煤泥浮選泡沫圖像進行去噪處理，其特征在于：對煤泥浮選泡沫圖像去噪時用的結構元素進行優化，優化后的結構元素用于圖像重構形態學開閉濾波去噪處理，對煤泥浮選泡沫圖像去噪時用的結構元素進行優化按照如下的步驟進行

步驟一、選取在生產中拍攝到的煤泥浮選泡沫圖像，其像素尺寸為256×256，使用半徑r分別為2、3、4、5的圓形結構元素對其改進的信息容量進行逐一測試，改進的信息容量為：

$C_{\inf o}={\log }_2\[1+\underset{w}{\mathrm{\Σ}}Norm(G_1,G_2)\]$

C_info表示改進的信息容量，Norm(G₁,G₂)表示基于峰值歸一化二維直方圖，G₁表示圖像中經過第i個抗體濾波后圖像某個像素的灰度，G₂表示其右鄰像素的灰度，ω為改進的信息容量的累加約束區域，可表示為：

$\mathrm{\ω}=\left\{\begin{array}{c}|G_1-\frac{1}{2}(G_{max}+G_{min})|\≤T_1\\ |G_1-G_2|\≤T_2\end{array}\right.$

T₁，T₂被稱為為非負約束閾值，G_max和G_min分別表示對數歸一化所用到的二維直方圖中的灰度的最大值與最小值，在結構元素的優化中取G_min＝0，G_max＝255，T₁＝128，T₂＝2；

找到最大改進的信息容量與次大改進的信息容量所對應的結構元素，然后在二者之間，再選取一個d×d的全“1”矩陣作為新結構元素，d介于最大改進的信息容量與次大改進的信息容量所對應的圓形結構元素維數之間，在優化迭代時將該d×d矩陣按行展開成1行，由此構成初始抗體群，初始抗體群染色體為d×d位0/1編碼，即編碼字段數為L＝d×d，d為自然數；

步驟二、對于初始抗體群的每個抗體，計算其適應度值，即

$f_i=C_{\inf o}={\log }_2\[1+\underset{\mathrm{\ω}}{\mathrm{\Σ}}Norm(G_1,G_2)\]$

其中f_i表示抗體群中的第i個抗體的適應度值，i為自然數，C_info表示改進的信息容量；

步驟三、采用精英保留策略，選擇適應值最大的m個抗體作為記憶抗體被放入精英庫中作為精英群體加以保留，不參加選擇、交叉和變異操作，直接被當作優秀個體加入到產生的新一代群體中，其中

m＝(15％～20％)N，m取整數，N為種群規模；

步驟四、采取基于異或運算的海明距的快速計算方法對抗體群的抗體濃度進行計算，在抗體濃度的基礎上計算復制率e_k；

復制率:

f_k為抗體k的適應度，C_k為抗體k的濃度，β是反映抗體的濃度和適應度在期望繁殖率中所占據比重的重要參數，這里取β＝2，抗體k的濃度C_k采用基于異或運算的海明距的快速算法進行計算，即

$C_k=\frac{1}{N}\underset{w=1}{\overset{N}{\Σ}}{a}_{kw},a_{kw}=\left\{\begin{array}{c}1,D\≤t\\ 0,D\>t\end{array}\right.$

C_k為抗體k的濃度，N為種群規模，a_kw為兩抗體k和w之間的親和力，D為兩個抗體的海明距，t為海明距閾值，t＝0.3*L，L為字符串的長度即編碼字段數，k和w為自然數；

步驟五、對于選擇概率p_sk進行計算，根據步驟四可以求出選擇概率p_sk，基于p_sk的值對抗體群體進行選擇，并進行交叉操作

$p_{sk}=\frac{e_k}{\underset{i=1}{\overset{N}{\Σ}}{e}_i}$

其中，e_k為抗體k的復制率，N為種群規模，i為小于等于N的自然數，e_i任意一個抗體i的復制率；

步驟六、采用加入可調因子θ，得到新抗體群；加入可調因子的自適應的變異概率的計算公式為:

$P_m=\left\{\begin{array}{cc}\frac{k_3\[(f_{max}-f)\]}{f_{max}-f_{avg}}+\mathrm{\θ},& f\>f_{avg}\\ k_4,& f\≤f_{avg}\end{array}\right.$

$\mathrm{\θ}=-\frac{k}{G_{max}-1}G+k+\frac{k}{G_{max}-1}$

公式中f_max表示適應度的最大值；f_avg表示算術平均適應度值；f為個體適應度值；k₃、k₄指介于0和1之間的調整系數，取k₃＝k₄＝0.1，θ為可調因子，G為進化代數；G_max為最大進化代數；k為第一代時可調因子θ的值，這里k＝0.005；

步驟七、對抗體群進行更新，調用精英群體中高適應度值個體取代抗體群中低適應值的個體，生成下一代抗體群；

步驟八、根據終止條件對進行判斷，若滿足的話結束優化，輸出優化后的結構元素，若不滿足則跳轉到步驟二重復執行，終止條件為下列之一：a、定義閾值ε＝0.0001，對于每一個抗體群，計算該抗體群的平均適應度，此抗體群的算術平均適應度值與上一代抗體群的算術平均適應度值之差小于ε，b、連續15代抗體群的最高適應度值保持不變，c、達到最大進化代數。