[發明專利]基于廣義熵結合改進的獅群算法實現圖像閾值分割方法

有效

• 申請號: 201811596721.8
• 申請日: 2018-12-26
• 公開（公告）號: CN109712160B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 江澤濤;黃永松;張少欽
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06N3/006;G06T7/00;G06T7/194
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 覃永峰

1.一種基于廣義熵結合改進的獅群算法實現圖像閾值分割方法，包括如下步驟：

(一)初始化數據，計算獅群中各個群體的數量，歷史最優為個體位置，群體最優為獅王位置；

(二)更新獅王、母獅的位置：

(1)母獅位置則為Lioness(x_i1,x_i2)，獅王的位置是Lion(x₁,x₂)，初始時隨機確定圖像某一范圍作為初始尋優對象并將個體首次所處位置作為最優，排序后最優位置被置為獅王，獅王位置的更新按下式進行：

β作為擾動因子表示獅王只是在很小的范圍內移動借此保持自己的捕食優勢，β取值為(-0.5,0.5)之間的隨機數；其中n^*是對應的母獅個體總數；

(2)對母獅個體位置的更新而言按如下規則進行，當前母獅群體內某一個體為Lioness(x_i1,x_i2)，該個體的上一個臨近個體表示如下Lioness(x_(i-1)1,x_(i-1)2)，兩個體之間的歐式距離表示為：

對Lioness(x_i1,x_i2)個體采取的操作如下：先調用[0,d/2]產生隨機數R'作為半徑,然后再調用[s2,t2]產生隨機數a'，歸一化后得到角度：

通過極坐標的形式即可確定一個符合要求的隨機圓，在該圓內隨機選取一點作為Lioness(x_i1,x_i2)這一個體的新位置；對于Lioness(x_(i-1)1,x_(i-1)2)個體位置的確定如下，調用[d/2,d]產生隨機數R”作為半徑，然后再調用[s2,t2]產生隨機數a”，歸一化后得到角度：

通過極坐標的形式即可確定一個符合要求的隨機圓，在該圓內隨機選取一點作為Lioness(x_(i-1)1,x_(i-1)2)這一個體的新位置；

(三)對迭代次數進行判斷，確定對幼獅群體執行的操作，對獅群內部不同群體的步長采用不同的更新策略：

(1)當迭代次數時，幼獅群體模仿自然界中的幼獅行為，分布在獅王附近進行尋優，獅王的位置是Lion(x₁,x₂)，當前處理的幼獅表示為：

式中：n為幼獅群體數量；

在以獅王位置為圓心，半徑R*＝λ做圓，然后在圓內隨機分布，λ取值是(1,3)之間的隨機數，根據每一次迭代而更新；

(2)若則將幼獅采取隨機分布的方法置于母獅群體周圍，此時對幼獅的分布采取以對應的母獅為圓心，先調用[0.5,1]產生隨機數R作為半徑，再取[0,1]范圍內一隨機數r，歸一化后乘以半徑，得到R*r，然后再調用[s1,t1]產生隨機數a，歸一化后得到角度：

對于區間[s1,t1]的選擇根據實際運算精確度確定；幼獅的總數為n,當前處理的幼獅表示為式(5)，與幼獅相同下標的則為對應母獅，表示為式(7)：

其中n*是對應的母獅個體總數；

(3)最后當迭代次數時，幼獅群體進行重采樣來去掉部分退化的幼獅，復制優化值較好的幼獅，接下來將對采用的重采樣方法進行說明：獅群算法中的幼獅群體看作點的集合，整個群體對應表示為：

W計算所得為對應個體的優化值，在該群體中共包括數量為N的個體，重采樣后的幼獅群體表示為：

重采樣之前的個體對應的優化值為在通過重采樣的方法后群體中的個體總數保持不變依然為N，但是優化值較大的個體被分為多個粒子，而優化值較小的個體則被拋棄，這樣處理后的個體優化值都被置為1/N，而初始探查得到的優化值將被存儲并與獅王的優化值進行比較后進行后續處理；

(4)對獅群中不同群體的步長采用不同的改進策略，對母獅步長值確定方法如下：首先將迭代次數Q歸一化為區間[0，π/2]內的值Q'，再將Q'代入式(10)即可得每一次迭代次數后母獅個體對應的步長，橫坐標為變量Q'，仿真得到步長曲線圖；

step_Lio_ness＝cos(Q')?(10)

(5)對于幼獅群體而言，選取零階貝塞爾函數作為基準函數，對零階貝塞爾函數取絕對值后即為幼獅群體步長函數；

(四)計算個體的廣義熵數值，判斷是否達到數值精度要求或是達到預設迭代次數，若滿足則退出程序完成圖像分割，反之則返回步驟(二)更新獅王位置繼續執行，具體步驟如下：

(1)在一張給定的圖片中，假定大小為m*n′將其表示為I，對于灰度而言，使用g_i表示圖像中的灰度級數，其中i＝{0,1,2...,l-1}，而t_i則表示灰度級為i的像素點的總數，那么灰度級為i的像素點在圖片中出現的概率被表示為：

對待檢測的圖片來說，所有灰度級別的概率被表示為：

P_i＝{p₁,p₂,p₃,...,p_l-1}?(12)

待檢測圖片像素點被逐一送入判別器，判別器被指定的閾值標準為D，經過選擇后的像素被分為兩類：F和F^*，對F類像素點來說，其滿足的要求為灰度級小于D，反之則像素點被劃入為F^*，在待檢測的圖片中認為目標和背景兩類像素點映射的點集即為F和F^*，將F和F^*出現的總概率表示為：

提出一種新的概率分布函數表示目標和背景：

結合一種廣義熵來確定圖像的閾值標準：

E_r(I/t)＝E_r(F)+E_r(F^*)?(17)

對應的E_r(F)和E_r(F^*)分別描述如下：

(2)令B^*為

對迭代次數和數值精度進行判斷，若達到預設迭代次數或達到數值精度要求，則完成分割，退出程序，其中，對數值精度進行判斷為：對第i+1次和第i次的B*做如下處理：

|B_i+1^*-B_i^*|≤10^-5?(21)

(3)若不符合要求則對個體進行快速排序，確定獅王之后回到步驟(二)中的分步驟(1)繼續執行程序。