[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

基于交叉型粒子群算法的灰度閾值獲取方法、圖像邊緣檢測方法，屬于圖像處理技術領域。本發明灰度閾值獲取方法,基于交叉型粒子群算法的灰度閾值獲取方法，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。本發明圖像邊緣檢測方法利用上述基于交叉型粒子群算法的灰度閾值獲取方法進行。本發明具有自主學習和自適應性和較高的魯棒性，且能夠從全局并發求解灰度閾值，較好地規避局部最優值，準確高效。

技術領域

本發明圖像處理技術領域，尤其涉及一種基于交叉型粒子群算法的灰度 閾值獲取方法、圖像邊緣檢測方法。

背景技術

隨著計算機技術的飛躍發展，人們越來越多的利用計算機來幫助人類獲 取和處理視覺圖像信息。據統計，在人類從外界獲取的信息中有80％是來自于 視覺，這包括圖像、圖形、視頻等，它是人們最有效的信息獲取和交流方式， 圖像也因其所含的信息量大、表現直觀而在多媒體處理技術中占有非常重要的 位置。

圖像最基本的特征是邊緣,所謂邊緣是指其周圍像素灰度有階躍變化或 屋頂變化的那些像素的集合。它存在于目標與背景、目標與目標、區域與區域 之間，不僅是圖像邊緣檢測所依賴的最重要的特征,也是紋理特征的重要信息 源和形狀特征的基礎,而圖像的紋理形狀特征的提取又常常要依賴于圖像邊緣 檢測。圖像的邊緣是由灰度不連續性所反映的。經典的邊緣提取方法是考察圖 像的每個像素在某個區域內灰度的變化,利用邊緣鄰近一階或二階方向導數變 化規律,用簡單的方法檢測邊緣,這種方法稱為邊緣檢測局部算子法。

基于灰度梯度算子的邊緣檢測技術屬于一階算子邊緣檢測技術,其方法 的實質是用一個準高斯函數做平滑運算,然后根據一階微分算子來定位導數最 大值。基于灰度梯度算子的邊緣檢測技術需要基于先驗知識來確定圖像的灰度 閾值，然而先驗知識往往是基于以往的經驗總結出來的，并不能很好地適應不 同的情況，其處理結果很大程度上依賴預設的灰度閾值。另外，該技術在實際 應用過程中實現較為復雜，運算量較大，運算效率低。

發明專利申請CN201710892766.9公開了一種基于遺傳算法的圖像邊緣 檢測方法，并具體公開了該方法包括：S100生成初始種群；所述初始種群包 括若干個圖像邊緣點；S200對各個圖像邊緣點進行運算，得到各個圖像邊緣 點的適應度值；S300判斷所述適應度值是否達到平均適應度值；若是，執行 步驟S400；S400選取達到所述平均適應度值對應的圖像邊緣點；S500調整各 個選取的圖像邊緣點的交叉概率；S600根據調整后交叉概率和預設變異概率， 對所述選取的圖像邊緣點進行交叉變異操作，得到下一代種群；S700判斷所述下一代種群是否滿足預設終止條件；若是，執行步驟S800；否則，返回步 驟S200；S800獲取目標圖像邊緣點，根據所述目標圖像邊緣點的灰度值進行 圖像邊緣檢測。該發明專利申請雖然解決了灰度閾值通過先驗知識獲得所帶來 的適應差的問題，但其收斂速度低。