[發明專利]一種基于混合蟻群算法的絕緣子輪廓檢測方法有效
| 申請號： | 202010197248.7 | 申請日： | 2020-03-19 |
| 公開（公告）號： | CN111429419B | 公開（公告）日： | 2023-04-07 |
| 發明（設計）人： | 孫浩飛;琚澤立;呂新良;邢偉;孫鑫;侯喆;王倩;蒲路;牛全保;李立鵬;王森;楊博;趙學風 | 申請（專利權）人： | 國網陜西省電力公司電力科學研究院;西安理工大學;國網陜西省電力公司;國網陜西省電力公司銅川供電公司;國家電網有限公司 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06V10/26;G06V10/44;G06V10/762;G06N3/006 |
| 代理公司： | 西安西交通盛知識產權代理有限責任公司 61217 | 代理人： | 蔡和平 |
| 地址： | 710054 陜西*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 混合 算法 絕緣子 輪廓 檢測 方法 | ||
1.一種基于混合蟻群算法的絕緣子輪廓檢測方法，其特征在于，包括以下步驟：
步驟1：采集絕緣子圖像；
步驟2：將步驟1采集的絕緣子圖像按下式進行灰度化，得到灰度圖像；
步驟3：對粒子群算法涉及的參數進行初始化，需要初始化的參數包括慣性權重值ω、最大迭代次數M、每個粒子的初始位置xiS＝(xiS1，xiS2)和初始速度viS(t)、粒子的個體學習因子c1，粒子的社會學習因子c2；
步驟4、使用蟻群算法計算每個粒子對應的自適應函數值和個體極值PiS(t)；
步驟5：根據步驟4得到的每個粒子對應的自適應函數值更新個體極值與全局最優解PgS；
步驟6：步驟3初始化的參數和根據步驟4得到的個體極值PiS(t)和步驟5得到全局最優解PgS，按照下式更新粒子的位置與速度：
viS(t+1)＝ωviS(t)+c1r1S(t)[PiS(t)-xiS(t)]+c2r2S(t)[PgS(t)-xiS(t)]；
xiS(t+1)＝xiS(t)+viS(t+1)；
其中，r1S與r2S是[0，1]上服從均勻分布的偽隨機數，PiS(t)為更新前的個體極值；viS(t+1)為更新后的速度，xiS(t+1)為更新后的位置；
步驟7：判斷當前迭代次數是否大于步驟3設置的最大迭代次數M，若滿足則輸出全局最優解PgS；否則，重復步驟4-步驟6繼續進行迭代，直至迭代結束，并輸出全局最優解PgS，PgS＝(PgS1，PgS2)，由此得到最優聚類中心數cbest＝PgS1和最優聚類半徑rbest＝PgS2；
步驟8：根據步驟7中得到的最優聚類中心數cbest和最優聚類半徑rbest求出每一類的像素灰度值的平均值Ti，再分別計算相鄰兩類的灰度平均值Tij，將Tij作為閾值，將步驟2得到的目標圖像的灰度圖轉化為二值圖像：二值圖像中灰度值大于Tij的像素點的灰度值變為1，否則變為0，由此得到圖像分割后的絕緣子輪廓；
所述步驟4包括以下步驟：
步驟4.1、初始化蟻群算法相關參數：包括樣本點數量(即螞蟻數量)m、信息素相對權重參數α、啟發信息的相對權重參數β、最大迭代次數N1、信息素揮發系數ρ、聚類中心數c＝xiS1(t)、聚類半徑r＝xiS2(t)、初始迭代次數l＝0、初始時刻t＝0、各路徑信息素濃度以及初始聚類中心
步驟4.2、計算樣本點到初始聚類中心的距離：
其中，代表第l次迭代中第k個樣本點到第i個聚類中心的距離，xk代表第k個樣本點的位置，代表第l次迭代中第i個聚類中心的位置；
步驟4.3、每個樣本點設置一只螞蟻，聚類中心數c＝xiS1(t)、聚類半徑r＝xiS2(t)，根據步驟4.2得到的樣本點到初始聚類中心的距離計算各路徑上的信息素濃度：
其中，代表第l次迭代中第k個樣本點到第i個聚類中心路徑上的信息素濃度；
步驟4.4、根據步驟4.2計算的樣本點到初始聚類中心的距離和步驟4.3計算得到的信息素濃度更新路徑xk到上的信息素，公式如下：
其中，代表第k個螞蟻在時間t～t+Δt(l)之間，在路徑xk到上的信息素改變量，ρ代表信息素揮發系數，Q為一個常數；
步驟4.5、根據步驟4.1計算得到的樣本點到初始聚類中心的距離計算新的聚類中心V(l+1)和到樣本點新的聚類中心的距離計算公式為：
其中，mi(l)代表第l次迭代后聚類i包含的樣本點數，Vi(l)代表屬于聚類i的所有樣本點的集合；
步驟4.6、判斷l+1和粒子數N的大小關系，若l+1≤N，則返回步驟4.4；否則，統計聚類間所有樣本點的像素值和螞蟻數，并計算每一個聚類的像素灰度平均值Ti和目標灰度圖的灰度平均值T，計算公式如下：
其中，mi為迭代完成后聚類i包含的樣本點數目，Vi為迭代完成后屬于聚類i的所有樣本點的集合，tk為樣本點xk的灰度值；
步驟4.7、根據步驟4.8得到的每一個聚類的像素灰度平均值Ti和目標灰度圖的灰度平均值T計算聚類間的方差σ2，將聚類間的方差σ2作為粒子的自適應函數值，
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于國網陜西省電力公司電力科學研究院;西安理工大學;國網陜西省電力公司;國網陜西省電力公司銅川供電公司;國家電網有限公司，未經國網陜西省電力公司電力科學研究院;西安理工大學;國網陜西省電力公司;國網陜西省電力公司銅川供電公司;國家電網有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010197248.7/1.html，轉載請聲明來源鉆瓜專利網。
