[發(fā)明專利]基于粒子群優(yōu)化的Niblack電力設(shè)備紅外圖像分割方法

有效

• 申請?zhí)枺?/td>: 201710249006.6
• 申請日: 2017-04-17
• 公開（公告）號(hào): CN107103609B
• 公開（公告）日: 2019-06-11
• 發(fā)明（設(shè)計(jì)）人: 崔昊楊;李鑫;霍思佳;郭文誠;李亞;束江;葛晨航;劉晨斐;馬宏偉
• 申請（專利權(quán)）人: 上海電力學(xué)院
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/136
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 翁惠瑜

1.一種基于粒子群優(yōu)化的Niblack電力設(shè)備紅外圖像分割方法，其特征在于，包括以下步驟：

1)獲取紅外圖像，將所述紅外圖像分成q個(gè)不重疊的連續(xù)矩形鄰域，計(jì)算各所述矩形鄰域的灰度均值和灰度標(biāo)準(zhǔn)方差；

2)針對每一矩形鄰域，按照設(shè)定步長獲得一對應(yīng)于該矩形鄰域的閾值尋優(yōu)區(qū)間{T₁,T₂,...,T_i,...,T_n}，形成一q維粒子群解空間，并以類間方差作為粒子群算法適應(yīng)度函數(shù)，在所述q維粒子群解空間中自動(dòng)搜尋對應(yīng)于每一矩形鄰域的最優(yōu)分割閾值T^*，所述最優(yōu)分割閾值T^*使得類間方差最大，其中，T_i＝m+k_is，i＝1,2,...,n，m為當(dāng)前矩形鄰域的灰度均值，s為當(dāng)前矩形鄰域的灰度標(biāo)準(zhǔn)方差，k_i為按照設(shè)定步長等距在設(shè)定區(qū)間上的第i個(gè)取值，n為取值個(gè)數(shù)；

3)根據(jù)步驟2)獲得的各矩形鄰域的最優(yōu)分割閾值對各矩形鄰域進(jìn)行二值化處理。

2.根據(jù)權(quán)利要求1所述的基于粒子群優(yōu)化的Niblack電力設(shè)備紅外圖像分割方法，其特征在于，所述步驟1)中，將所述紅外圖像分成若干不重疊的矩形鄰域前，對紅外圖像進(jìn)行延拓處理。

3.根據(jù)權(quán)利要求1所述的基于粒子群優(yōu)化的Niblack電力設(shè)備紅外圖像分割方法，其特征在于，所述步驟2)中，設(shè)定步長為0.05，設(shè)定區(qū)間為[-1,1]。

4.根據(jù)權(quán)利要求1所述的基于粒子群優(yōu)化的Niblack電力設(shè)備紅外圖像分割方法，其特征在于，所述步驟2)中，將矩形鄰域的像素灰度分為D₁＝[0,…,T]、D₂＝[T+1,…,L-1]兩類，將類間方差公式定義為：

其中，σ²(T)為類間方差，分別表示D₁類內(nèi)像素灰度出現(xiàn)的概率和D₁類的灰度均值，p_j表示像素灰度為j的像素的概率；

將各矩形鄰域的閾值尋優(yōu)區(qū)間中的閾值依次代入所述類間方差公式，通過粒子群算法搜尋獲得每個(gè)矩形鄰域的最優(yōu)分割閾值。

5.根據(jù)權(quán)利要求1所述的基于粒子群優(yōu)化的Niblack電力設(shè)備紅外圖像分割方法，其特征在于，所述步驟2)中，采用粒子群算法搜尋最優(yōu)分割閾值的過程中，

粒子i在所述q維粒子群解空間的位置標(biāo)記為{T_i,1,T_i,2,…,T_i,q}，每個(gè)粒子按照以下公式更新自己的位置和速度，粒子以速度V_i(t+1)從當(dāng)前位置T_i(t)移動(dòng)到下一位置T_i(t+1)：

V_i(t+1)＝ω×V_i(t)+c₁×r₁[Pbest_i-T_i(t)]+c₂×r₂[Gbest_i-T_i(t)]

T_i(t+1)＝T_i(t)+V_i(t+1)

其中，V_i和T_i分別表示第i個(gè)粒子在解空間上的速度和位置，t表示粒子群搜尋最優(yōu)閾值過程中的當(dāng)前迭代次數(shù)，c₁、c₂為加速常數(shù)，r₁、r₂為[0,1]之間的隨機(jī)數(shù)，ω表示粒子的慣性權(quán)重，Pbest_i為當(dāng)前最優(yōu)值，Gbest_i為全局最優(yōu)值。

6.根據(jù)權(quán)利要求5所述的基于粒子群優(yōu)化的Niblack電力設(shè)備紅外圖像分割方法，其特征在于，所述慣性權(quán)重ω通過以下公式自適應(yīng)變化：

其中，ω_max、ω_min分別表示慣性權(quán)重的最大值和最小值，G表示最大迭代次數(shù)。