[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

本發明公開了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；（三）對迭代次數進行判斷，進一步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更新策略；（四）計算個體的廣義熵數值，進一步判斷是否達到數值精度要求或是達到迭代次數，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。本發明適應多目標多角度，復雜環境背景下的圖像分割，減少預處理步驟，提高效率并且相較于現有技術，對于高維、非線性和多峰值的復雜函數最優值求解容易陷入早熟的問題具有更好的優化效果。

技術領域

本發明涉及圖像閾值分割領域，尤其涉及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。

背景技術

隨著近年來人工智能的興起，計算機視覺領域技術中的一些基礎關鍵技術也取得了長足發展，其中具有代表性的圖像分割技術在包括醫學影像分析、目標提取、工業檢測、地質考察和資源勘查等方面得到了廣泛應用。為實現圖像快速分割并適應精度和縮短分割時間的要求，現有技術主要采用自適應閾值分割方法，該方法具有很好的魯棒性、低時間復雜度和邊緣特征保存較好的優點，但在處理模糊和形變等質量較差的圖像時，需要對圖像進行一系列的預處理，以一種動態閾值分割算法為例，其需要進行背景模板去噪，綠光通道，灰度化處理，圖像微分等眾多預處理步驟，運算時間過長、效率較低。現有技術上，還有一些分割方法需要多角度采集目標圖像后才能利用量子粒子群聚類方法進行分割處理，但實際應用中，該方法大多數情況下都不能滿足多角度采集的要求。

群體智能算法之一的獅群算法是模仿自然界中具有社會行為的動物群體，基于優勝劣汰的思想實現最優解。獅群算法主要思想是指：從某一指定的待尋優位置開始，最佳優化值所處位置置為獅王，按比例選取母獅和幼獅兩個群體的數量。在進行迭代后，獅群中的個體重新計算自身優化值并根據算法調整自身位置，同時進行排序，最佳優化值位置為獅王所有。幼獅作為全局探優的關鍵，在迭代的后期選擇較為遠離獅群的位置探查，避免算法陷入局部最優解和早熟。獅群算法經過驗證，能夠較好的解決高維、非線性和多峰值的復雜函數最優值求解的問題

基于群體智能的獅群算法一般都具有更好的魯棒性和優秀的泛化能力以及快速收斂的特性，但現有技術中的一些結合新型熵與群體智能算法的分割方法也存在很多不足，以一種改進蜂群算法的Tsallis熵閾值圖像分割方法為例，雖然通過引進Tsallis熵作為閾值分割指標，但在群體智能算法的選擇上由于沿用傳統的解決思路，仍存在對于高維、多峰值和非線性情況下的最優解求解容易陷入早熟的困境。

發明內容

針對現有技術的不足，本發明所解決的技術問題是在圖像閾值分割領域中，如何解決適應多目標多角度，復雜環境背景下的圖像分割，減少前期的預處理步驟，提高效率及應用群體智能算法時高維、非線性和多峰值的復雜函數最優值求解容易陷入早熟的問題。

為解決上述技術問題，本發明采用的技術方案是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，具體分步驟如下：

(1)獅群個體總數為L，獅群中獅王唯一，母獅群體數量為a為(0.2,0.5)之間的隨機數；

(2)幼獅群體數量則為n＝L-1-n^*。

(二)更新獅王、母獅的位置，具體分步驟如下：

(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：