[發(fā)明專利]一種基于遺傳算法和模擬退火算法的太陽(yáng)黑子識(shí)別的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201711005547.0
• 申請(qǐng)日: 2017-10-25
• 公開(kāi)（公告）號(hào): CN108009471A
• 公開(kāi)（公告）日: 2018-05-08
• 發(fā)明（設(shè)計(jì)）人: 楊云飛;楊洪娟;張艾麗;付小娜;梁波
• 申請(qǐng)（專利權(quán)）人: 昆明理工大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/34;G06N3/12
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于遺傳算法和模擬退火算法的太陽(yáng)黑子識(shí)別的方法，其特征在于：首先對(duì)圖像預(yù)處理，對(duì)全日面圖像先做膨脹和腐蝕操作，用全日面圖像減去經(jīng)膨脹和腐蝕的背景圖，獲得背景均勻的全日面圖像，對(duì)背景均勻的全日面圖像進(jìn)行均值平滑濾波進(jìn)行降噪；其次使用遺傳算法進(jìn)化兩組閾值種群，初始化種群和退火參數(shù)之后，計(jì)算出每個(gè)種群的最佳熵即適應(yīng)度，隨機(jī)的選擇出兩個(gè)種群進(jìn)行編碼，并使用遺傳算子對(duì)編碼進(jìn)行組合交叉和變異，對(duì)變異的結(jié)果進(jìn)行解碼；然后對(duì)兩組閾值種群分別使用模擬退火算法，計(jì)算新舊個(gè)體的適應(yīng)度之差，若適應(yīng)度之差大于0，則接受新的個(gè)體，否則根據(jù)模擬退火算法接受一個(gè)比當(dāng)前解還要差的新解，退溫降火，得到新種群并判斷是否滿足退出條件，滿足則找出種群中的最佳熵的兩個(gè)閾值對(duì)圖像進(jìn)行分割，對(duì)分割結(jié)果進(jìn)行去除小面積塊處理，最后標(biāo)記顯示分割后的圖像。

2.根據(jù)權(quán)利要求1所述的基于遺傳算法和模擬退火算法的太陽(yáng)黑子識(shí)別的方法，其特征在于：所述方法的具體步驟如下：

步驟1：圖像預(yù)處理：首先對(duì)全日面圖像進(jìn)行臨邊昏暗的處理，對(duì)日面圖像先做膨脹運(yùn)算再做腐蝕運(yùn)算，得到一個(gè)沒(méi)有太陽(yáng)黑子的全日面背景圖；然后用全日面圖像減去經(jīng)膨脹和腐蝕的背景圖，獲得消除了臨邊昏暗的背景均勻的全日面圖像，最后對(duì)背景均勻的全日面圖像進(jìn)行均值平滑濾波進(jìn)行降噪，得到降低噪聲后的全日面圖像；

步驟2：使用遺傳算法進(jìn)化兩組閾值種群：首先計(jì)算降噪后全日面灰度圖像的直方圖信息，求出圖像中每個(gè)像素值所占的比例，然后初始化退火參數(shù)和初始化種群作為閾值種群，并使每組閾值種群中的兩個(gè)閾值按升序的順序排序；接著用直方圖的最佳熵方法計(jì)算每個(gè)種群的適應(yīng)度，隨機(jī)選擇兩個(gè)種群，取出這兩個(gè)種群的個(gè)體的兩對(duì)染色體分別用8位的二進(jìn)制進(jìn)行編碼，其中每個(gè)染色體代表一個(gè)閾值，采用隨機(jī)設(shè)置交叉點(diǎn)的方法進(jìn)行交叉，再用基本位變異算子進(jìn)行變異；最后對(duì)變異的結(jié)果解碼得到0～255之間的數(shù)；

步驟3：模擬退火優(yōu)化第一組閾值：計(jì)算出第一個(gè)新個(gè)體的適應(yīng)度并求出新舊個(gè)體的適應(yīng)度之差，若適應(yīng)度之差大于0，則接受新的個(gè)體，否則根據(jù)模擬退火算法以一定的概率P接受一個(gè)比當(dāng)前解還要差的新解；

步驟4：模擬退火優(yōu)化第二組閾值：計(jì)算出第二個(gè)新個(gè)體的適應(yīng)度并求出新舊個(gè)體的適應(yīng)度之差，若適應(yīng)度之差大于0，則接受新的個(gè)體，否則根據(jù)模擬退火算法接受一個(gè)比當(dāng)前解還要差的新解；

步驟5：得到全局最優(yōu)解：通過(guò)步驟3和步驟4接受新解，得到一個(gè)新的種群，計(jì)算新種群的適應(yīng)度，判斷該種群是否達(dá)到退出條件，如果達(dá)到退出條件執(zhí)行步驟6，否則退火降溫，循環(huán)步驟2～5得到兩個(gè)閾值最優(yōu)解；

步驟6：識(shí)別太陽(yáng)黑子：首先使用上述步驟產(chǎn)生的兩個(gè)閾值最優(yōu)解對(duì)圖像進(jìn)行分割，大的閾值用作太陽(yáng)黑子半影的區(qū)域分割，而小的閾值用作太陽(yáng)黑子本影的區(qū)域分割，然后除去圖像中的小面積部分，求出太陽(yáng)黑子面積所占全日面圖像的比例，當(dāng)該比例小于0.15時(shí)標(biāo)記顯示分割后的圖像，否則不進(jìn)行標(biāo)記，以防止全日面圖像上幾乎沒(méi)有太陽(yáng)黑子時(shí)該適應(yīng)度函數(shù)得到兩個(gè)閾值無(wú)法得到正確的太陽(yáng)黑子半影和本影分割結(jié)果。

3.根據(jù)權(quán)利要求2所述的基于遺傳算法和模擬退火算法的太陽(yáng)黑子識(shí)別的方法，其特征在于：所述步驟1中，用一個(gè)大小為t1的結(jié)構(gòu)元素對(duì)日面圖像先做膨脹運(yùn)算再做腐蝕運(yùn)算，結(jié)構(gòu)元素t1是半徑為45～60的圓；使用一個(gè)大小為t2的結(jié)構(gòu)元素對(duì)背景均勻的全日面圖像進(jìn)行均值平滑濾波進(jìn)行降噪；結(jié)構(gòu)元素t2是邊長(zhǎng)為10～12的矩陣。

4.根據(jù)權(quán)利要求2所述的基于遺傳算法和模擬退火算法的太陽(yáng)黑子識(shí)別的方法，其特征在于：所述步驟2中，初始化退火參數(shù)：溫度T0＝10000，終止條件Tf＝0.0001，溫度變化率a＝0.99；產(chǎn)生t3組隨機(jī)數(shù)初始化種群作為閾值種群，其中種群的大小t3＝16～24。

5.根據(jù)權(quán)利要求2所述的基于遺傳算法和模擬退火算法的太陽(yáng)黑子識(shí)別的方法，其特征在于：所述步驟6中，除去圖像中的小面積部分具體的為：除去面積小于t4的小面積部分，t4的范圍是20～35。