[發明專利]基于交叉型粒子群算法的灰度閾值獲取、圖像邊緣檢測方法

在審

• 申請號: 201810281736.9
• 申請日: 2018-04-02
• 公開（公告）號: CN108596926A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 李鵬
• 申請（專利權）人: 四川斐訊信息技術有限公司
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/136;G06T5/40;G06N3/00
• 代理公司: 成都金德聯合知識產權代理事務所(特殊普通合伙) 51271
• 代理人: 張嬋嬋;王曉普

1.基于交叉型粒子群算法的灰度閾值獲取方法，其特征在于，包括以下步驟：

步驟S01，根據圖像灰度值進行種群初始化；

步驟S02，計算種群內個體的適應度值；

步驟S03，計算個體的交叉概率，根據交叉概率進行交叉操作；

步驟S04，更新種群內個體的位置；

步驟S05,判斷是否滿足終止條件，若滿足則獲取最優解并得到最優灰度閾值；否則執行步驟S02進入下一代種群。

2.根據權利要求1所述的基于交叉型粒子群算法的灰度閾值獲取方法，其特征在于，步驟S01的種群初始化包括初始化個體速度、個體位置矢量、初始代種群個體最優位置和全局最優位置。

3.根據權利要求1所述的基于交叉型粒子群算法的灰度閾值獲取方法，其特征在于，步驟S02的個體的適應度值按如下公式(1)計算：

f(t)＝w₁(t)*w₂(t)*(u₁(t)-u₂(t))² (1)

其中，f(t)表示個體適應度值，t表示種群初始化后的圖像灰度值并作為處理圖像的閾值，w₁(t)表示圖像中灰度值小于閾值t的像素的個數，w₂(t)表示圖像中灰度值大于閾值t的像素的個數，u₁(t)表示圖像中的灰度值小于閾值t的像素的平均灰度值，u₂(t)表示圖像中灰度值大于閾值t的像素的平均灰度值。

4.根據權利要求1所述的基于交叉型粒子群算法的灰度閾值獲取方法，其特征在于，步驟S03的交叉概率按如下公式(2)進行調節：

其中，P_Cmax、P_Cmin分別是最大交叉率和最小交叉率，n_max為最大的迭代次數；n為當前的迭代次數。

5.根據權利要求1所述的基于交叉型粒子群算法的灰度閾值獲取方法，其特征在于，步驟S04更新種群內個體的位置按如下公式(3)、(4)計算：

其中，r₁和r₂是[0，1]區間的隨機數；為第k代第搜尋到的最優位置；為第k代整個粒子群所搜尋到的最優位置；為第k代第i個粒子的個體速度；為第k代第i個粒子的位置，c₁，c₂為加速系數。

6.根據權利要求5所述的基于交叉型粒子群算法的灰度閾值獲取方法，其特征在于，步驟S04還包括更新種群內個體最優位置和全局最優位置。

7.根據權利要求6所述的基于交叉型粒子群算法的灰度閾值獲取方法，其特征在于，計算種群的個體最優位置按如下公式(5)計算：

其中，為第k代的第i個粒子個體的適應度值；為第k代的個體最優位置，為第k代第i個粒子的位置；

計算種群的全局最優位置按如下公式(6)計算：

其中，為第k代整個粒子群的全局最優位置。

8.根據權利要求5所述的基于交叉型粒子群算法的灰度閾值獲取方法，其特征在于，步驟S04還包括溢出約束限制：設置最大個體速度，當個體速度大于最大個體速度時，將其更新為最大個體速度。

9.一種圖像邊緣檢測方法，其特征在于，包括以下步驟：

步驟一，讀取圖像信息并計算待邊緣檢測圖像的圖像灰度直方圖；

步驟二，根據上述權利要求1-8之一的基于交叉型粒子群算法的灰度閾值獲取方法獲取最優灰度閾值；

步驟三，根據最優灰度閾值進行圖像邊緣檢測。

10.根據權利要求9所述的一種圖像邊緣檢測方法，其特征在于，步驟三中的圖像邊緣檢測基于灰度梯度算子的邊緣檢測技術。