[發(fā)明專利]一種基于動(dòng)態(tài)收縮蜜蜂覓食算法的圖像分割方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010327412.1
• 申請(qǐng)日: 2020-04-23
• 公開（公告）號(hào): CN111524155A
• 公開（公告）日: 2020-08-11
• 發(fā)明（設(shè)計(jì)）人: 張志成;尹建芹
• 申請(qǐng)（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號(hào): G06T7/136
• 分類號(hào): G06T7/136;G06N3/00
• 代理公司: 北京鼎德寶專利代理事務(wù)所(特殊普通合伙) 11823
• 代理人: 牟炳彥

1.一種基于動(dòng)態(tài)收縮蜜蜂覓食算法的圖像分割方法，其特征在于，具體包括如下步驟：

S100，獲取待分割圖像的灰度值范圍；

S200，根據(jù)所述待分割圖像的灰度值范圍，根據(jù)不同的子種群采取不同的搜索策略，并利用動(dòng)態(tài)收縮策略對(duì)采蜜蜂的搜索范圍進(jìn)行自適應(yīng)的動(dòng)態(tài)調(diào)整，得到圖像分割的最佳灰度閾值組合；

S300，根據(jù)所述圖像分割的最佳灰度閾值組合，對(duì)所述待分割圖像進(jìn)行分割。

2.根據(jù)權(quán)利要求1所述的一種基于動(dòng)態(tài)收縮蜜蜂覓食算法的圖像分割方法，其特征在于，所述S200具體步驟包括：

S210，初始化偵查蜂，偵查蜂數(shù)量n_s占整個(gè)蜂群規(guī)模的10％；

S220，計(jì)算初始蜜源的適應(yīng)度函數(shù)值，選出K個(gè)優(yōu)質(zhì)蜜源，

S230，平均分配采蜜蜂到各個(gè)優(yōu)質(zhì)蜜源附近進(jìn)行搜索，采蜜蜂數(shù)量n_f占整個(gè)蜂群規(guī)模的45％；

S240，根據(jù)公式(1)分配待工蜂到各個(gè)優(yōu)質(zhì)蜜源附近進(jìn)行搜索，待工蜂數(shù)量n_o占整個(gè)蜂群規(guī)模的45％；

其中，N_j為第j個(gè)優(yōu)質(zhì)蜜源招募的待工蜂數(shù)量，fitness_j表示第j個(gè)優(yōu)質(zhì)蜜源的適應(yīng)度函數(shù)值，fix表示對(duì)括號(hào)中的內(nèi)容取整數(shù)；

S250，拋棄搜索結(jié)果多次停滯的優(yōu)質(zhì)蜜源；

S260，分配偵查蜂在整個(gè)閾值搜索空間內(nèi)進(jìn)行隨機(jī)搜索；

S270，從當(dāng)前所有蜜源中選取K個(gè)優(yōu)質(zhì)蜜源，并記錄最優(yōu)蜜源位置；

S280，判斷當(dāng)前迭代次數(shù)是否達(dá)到預(yù)設(shè)的最大迭代次數(shù)；若是，進(jìn)入步驟S290；否則返回至步驟S230進(jìn)入下一次迭代；

S290，根據(jù)最優(yōu)蜜源位置得到所述圖像分割的最佳灰度閾值組合。

3.根據(jù)權(quán)利要求2所述的一種基于動(dòng)態(tài)收縮蜜蜂覓食算法的圖像分割方法，其特征在于，所述S230包括：

S231，計(jì)算當(dāng)前優(yōu)質(zhì)蜜源的搜索范圍，采蜜蜂在當(dāng)前優(yōu)質(zhì)蜜源附近的搜索范圍內(nèi)進(jìn)行均勻分布的隨機(jī)搜索，并根據(jù)采蜜蜂的位置計(jì)算適應(yīng)度函數(shù)值；

S232：如果位置最好的采蜜蜂的適應(yīng)度函數(shù)值高于當(dāng)前優(yōu)質(zhì)蜜源的適應(yīng)度函數(shù)值，則用最好的采蜜蜂位置替代當(dāng)前優(yōu)質(zhì)蜜源位置成為新的優(yōu)質(zhì)蜜源，并對(duì)當(dāng)前優(yōu)質(zhì)蜜源的搜索停滯計(jì)數(shù)器清零；

S233：否則，對(duì)當(dāng)前優(yōu)質(zhì)蜜源的搜索停滯計(jì)數(shù)器加1，并按照公式(2)對(duì)當(dāng)前蜜源的搜索范圍進(jìn)行動(dòng)態(tài)收縮；

其中，S_nh(t)是當(dāng)前優(yōu)質(zhì)蜜源在第t次迭代時(shí)的搜索范圍，S_nh(t+1)是當(dāng)前優(yōu)質(zhì)蜜源在第t+1次迭代時(shí)的搜索范圍，T是算法的最大迭代次數(shù)。

4.根據(jù)權(quán)利要求2所述的一種基于動(dòng)態(tài)收縮蜜蜂覓食算法的圖像分割方法，其特征在于，所述S240包括：

S241，每個(gè)待工蜂均從其所在的優(yōu)質(zhì)蜜源出發(fā)，根據(jù)公式(3)向任意其他優(yōu)質(zhì)蜜源方向進(jìn)行單一維度搜索；

其中，d是在[1,D]之間隨機(jī)選取的待更新的單一維度，Y_i^d(t)是第i個(gè)待工蜂在本次搜索中更新的位置，是待工蜂Y_i^d(t)所屬的當(dāng)前優(yōu)質(zhì)蜜源位置，是隨機(jī)選取的一個(gè)與當(dāng)前優(yōu)質(zhì)蜜源位置不同的其他優(yōu)質(zhì)蜜源位置，α是一個(gè)在(-1,1)之間的隨機(jī)數(shù)；

步驟S242：若更新后的待工蜂位置超出閾值搜索空間上限，則使其回到閾值搜索空間的最大值邊界；

步驟S243：若更新后的待工蜂位置超出閾值搜索空間下限，則使其回到閾值搜索空間的最小值邊界；

步驟S244：計(jì)算當(dāng)前優(yōu)質(zhì)蜜源招募的所有待工蜂的適應(yīng)度函數(shù)，如果位置最好的待工蜂的適應(yīng)度函數(shù)值高于當(dāng)前優(yōu)質(zhì)蜜源的適應(yīng)度函數(shù)值，則用最好的待工蜂位置替代當(dāng)前優(yōu)質(zhì)蜜源位置成為新的優(yōu)質(zhì)蜜源，并對(duì)當(dāng)前優(yōu)質(zhì)蜜源的搜索停滯計(jì)數(shù)器清零；

步驟S245：否則，對(duì)當(dāng)前優(yōu)質(zhì)蜜源的搜索停滯計(jì)數(shù)器加1。