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

在審

• 申請(qǐng)?zhí)枺?/td>: 201711005547.0
• 申請(qǐng)日: 2017-10-25
• 公開（公告）號(hào): CN108009471A
• 公開（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: 暫無信息
• 代理人: 暫無信息

本發(fā)明涉及基于遺傳算法和模擬退火算法的太陽黑子識(shí)別的方法，屬天文技術(shù)和圖像處理領(lǐng)域。本發(fā)明首先對(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；然后對(duì)兩組閾值分別使用模擬退火算法，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。本發(fā)明能較精確地對(duì)全日面圖像的太陽黑子進(jìn)行了識(shí)別。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于遺傳算法和模擬退火算法的太陽黑子識(shí)別的方法，屬天文技術(shù)和圖像處理領(lǐng)域。

背景技術(shù)

太陽黑子是最基本和最明顯的太陽磁場(chǎng)活動(dòng)之一。太陽黑子活動(dòng)活躍時(shí)會(huì)對(duì)地球的磁場(chǎng)產(chǎn)生很大影響，比如出現(xiàn)磁暴現(xiàn)象使指南針不能正確地指示方向；飛機(jī)、輪船和人造衛(wèi)星的無線電通訊會(huì)受到嚴(yán)重阻礙。所以急需能夠精確、高效的識(shí)別全日面上的太陽黑子的方法，該方法是研究和解決太陽黑子對(duì)地球磁場(chǎng)和空間天氣影響的基礎(chǔ)和前提。

識(shí)別太陽黑子就是指將太陽黑子從全日面圖像中分割出來，這樣就離不開閾值的設(shè)置。閾值的設(shè)置方法一般分為手動(dòng)和自動(dòng)兩種方法。在早期階段，手動(dòng)設(shè)置閾值對(duì)不同的背景和目標(biāo)的圖像需要設(shè)置不同的閾值，而對(duì)相同的背景和目標(biāo)在不同的光照和噪聲干擾時(shí)也需要設(shè)置不同的閾值。因此每一張圖像都需要一個(gè)不同的閾值進(jìn)行分割，手動(dòng)設(shè)置閾值對(duì)圖像分割會(huì)很麻煩。最大間方差分割法能自動(dòng)確定閾值，要求灰度圖像直方圖呈現(xiàn)明顯的峰谷特性，否則圖像分割方法失效，在太陽黑子的半影和米粒結(jié)果的灰度值很接近的情況下，最大間方差分割法也不能將黑子的本影和半影很好的分割出來。因此，傳統(tǒng)的太陽黑子識(shí)別方法在處理全日面圖像上太陽黑子本影和半影的識(shí)別時(shí)存在明顯缺陷。

本發(fā)明正是為了解決這些問題提出了一種基于遺傳算法和模擬退火算法的太陽黑子識(shí)別的方法。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于遺傳算法和模擬退火算法的太陽黑子本影和半影的自動(dòng)識(shí)別的方法，將遺傳算法和模擬退火算法應(yīng)用于全日面圖像的基于最佳熵適應(yīng)度函數(shù)的自適應(yīng)雙閾值的選取上，用于解決傳統(tǒng)的識(shí)別太陽黑子的方法中人工手動(dòng)設(shè)定閾值和自動(dòng)設(shè)置單閾值的問題。

本發(fā)明的技術(shù)方案是：一種基于遺傳算法和模擬退火算法的太陽黑子識(shí)別的方法，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。

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)沒有太陽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)；