[發明專利]基于并行鴿群算法的Otsu圖像分割方法

有效

• 申請號: 202010025306.8
• 申請日: 2020-01-09
• 公開（公告）號: CN111210454B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 朱淑娟;田愛慶;潘正祥;薛醒思;廖律超
• 申請（專利權）人: 山東科技大學
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T7/194;G06N3/006
• 代理公司: 青島智地領創專利代理有限公司 37252
• 代理人: 陳海濱

1.基于并行鴿群算法的Otsu圖像分割方法，其特征在于，包括以下步驟：

步驟1，鴿群算法的初始化，確定鴿群內每個鴿子的初始化速度和初始化位置，設定鴿群內鴿子的數目為No，所有鴿子的在Dim維空間內進行搜索，將每個鴿子在每個維度的搜索用式(1)表示，設定鴿群的子種群為Gr個，

X_k,Dim＝{X_k,1,X_k,2,...,X_k,Dim}???????????????(1)，

其中，k＝{1，2，...,No}，

將每只鴿子的速度采用式(2)表示，

V_k,Dim＝{V_k,1,V_k,2,...,V_k,Dim}?????????????(2)，

在算法的迭代過程中，Gbest代表截止到目前為止，整個鴿群中位置最好的鴿子，gbest(i)代表第i個子種群中位置最好的鴿子；

步驟2，將待切割圖像進行灰度化，將圖像轉化為二維矩陣，然后計算圖像的灰度直方圖；

步驟3，根據設定的適應度函數，計算每個鴿子所在位置的適應度函數值；

步驟4，根據計算出的鴿子所在位置的適應度函數值，更新每個鴿子的全局最優位置Gbest；

步驟5，在不斷的迭代過程中，不斷更新子種群內個體的速度和位置按照式(3)、(4)更新：

在鴿群算法中速度更新為式(3)：V_i^Nc＝V_i^Nc-1e^-R*Nc+rand(X_gbest-X_i^Nc-1)???(3)，

在鴿群算法中位置更新為式(4)：X_i^Nc＝X_i^Nc-1+V_i^Nc???(4)，

在更新其位置X_i及速度V_i，R為地圖和指南針算子因數，其取值范圍設定為(0，1)；rand是取值范圍在(0，1)的一個隨機數；N_c為目前迭代次數；X_gbest是在N_c-1次迭代循環后，通過比較所有鴿子得位置得到的全局最優位置，當迭代次數所達到所預先設定好的值后就停止地圖和指南針算子的工作，然后進入地標算子繼續進行工作；

地圖和指南針算子更新完成后，鴿群算法就進入第二階段的地標算子；在進入地標算子后，每一次迭代后鴿子的數量都會減少一半，舍棄遠離目的地且不具有識路功能的鴿子，X_center是剩余鴿子得中心位置，那么這個X_center的位置將會被當做地標，即作為飛行的參考方向，地標算子更新為式(5)-(10)：

在鴿群算法中的地標算子選出中心位置為式(5)：

在鴿群算法中的地標算子鴿群減半為式(6)：

在鴿群算法中的地標算子位置更新為式(7)：

X_i＝X_i^Nc-1+rand(X^Nc-1_center-X_i^Nc-1)???????????????????(7)；

鴿群算法對于測試函數有不同的定義，表示為式(8)-(10)

鴿群算法對于最小化問題為式(8)：

鴿群算法對于最大化問題為式(9)：F(X_i^Nc-1)＝fitness(X_i^Nc-1)????(9)，

在最大化問題和最小化問題用式(10)表示，fitness(X_i^Nc-1)＞0????(10)，

在地標算子的迭代次數達到最大迭代次數后，地標算子停止工作；

在鴿群算法中位置更新式中，每更新20次就進行種間交流，選擇的交流策略是按照將整個種群中最優秀的那個鴿子取代所有子種群中最差的個體，由此來加速局部搜索和全局搜索能力，避免陷入局部最優；

步驟6，隨機產生M個粒子，并對產生M+N個粒子按照適應度的值按照從大到小排列；

步驟7，設置節點Q的位置，利用節點粒子Q把新產生的種群粒子分為適應度值排在前面的Q(1≤Q≤N)個粒子和剩下的M+N-Q個粒子；

步驟8，利用粒子選擇概率公式從剩下的M+N-Q個粒子中選擇M-Q個粒子和適應度排在前面的Q個粒子組成新的粒子群；

步驟9，滿足條件結束尋優并輸出全局最優解，將粒子群最終搜索到的全局最優解最為最佳分割閾值，對圖像進行閾值分割并輸出分割后的圖像。