[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?zhí)枺?/td>: 202010327412.1
• 申請日: 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（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

本發(fā)明公開了一種基于動(dòng)態(tài)收縮蜜蜂覓食算法的圖像分割方法及系統(tǒng)，采用動(dòng)態(tài)收縮蜜蜂覓食算法，該算法將整個(gè)蜂群分為多個(gè)子種群，不同的子種群采用不同的搜索策略以保持算法的多樣性，并利用動(dòng)態(tài)收縮策略對采蜜蜂的搜索范圍進(jìn)行自適應(yīng)的動(dòng)態(tài)調(diào)整，逐步找到圖像分割的最佳閾值組合。本發(fā)明具有不依賴先驗(yàn)知識(shí)、算法調(diào)節(jié)參數(shù)少、算法具有較強(qiáng)的自適應(yīng)能力等特點(diǎn)；此外，動(dòng)態(tài)收縮策略的引入進(jìn)一步加強(qiáng)了算法在閾值搜索過程中的動(dòng)態(tài)適應(yīng)性能，提高了算法的搜索效率，使算法在不需要人為參數(shù)調(diào)整干預(yù)的條件下，仍能夠快速地搜索到最佳閾值組合。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，更具體的說是涉及一種基于動(dòng)態(tài)收縮蜜蜂覓食算法的圖像分割方法及系統(tǒng)。

背景技術(shù)

隨著計(jì)算機(jī)圖像處理技術(shù)和人工智能技術(shù)的不斷發(fā)展，利用計(jì)算機(jī)對圖像進(jìn)行分析、篩選和識(shí)別已被廣泛應(yīng)用于游戲、娛樂、安全、支付等眾多領(lǐng)域。圖像分割是計(jì)算機(jī)圖像處理技術(shù)的一項(xiàng)基礎(chǔ)性技術(shù)，其目的是利用一些測量準(zhǔn)則將圖像分割成若干具有相似特征的區(qū)域或提取其邊界。圖像分割往往作為圖像分析、目標(biāo)識(shí)別、計(jì)算機(jī)視覺等圖像處理技術(shù)的預(yù)處理階段，圖像分割技術(shù)的準(zhǔn)確性會(huì)大幅影響其后續(xù)圖像處理方法的應(yīng)用效果。

在各種常用的圖像分割方法中，基于閾值的圖像分割是一種最有效、最簡單、應(yīng)用最廣泛的方法。基于閾值的圖像分割分為單閾值圖像分割和多閾值圖像分割兩類，如果一個(gè)灰度圖像根據(jù)其直方圖的閾值特征被分成兩類，這個(gè)過程稱為單閾值圖像分割。單閾值圖像分割適用于將相對簡單的圖像分為前景和背景兩個(gè)區(qū)域。但是單閾值分割往往無法很好的處理較復(fù)雜的圖像，例如那些包含多個(gè)要分離的對象的圖像，往往需要至少選擇兩個(gè)閾值對圖像進(jìn)行多閾值分割。多閾值圖像分割有助于對復(fù)雜圖像進(jìn)行更精細(xì)的分割。然而，隨著閾值數(shù)目的增加，尋找最優(yōu)閾值組合的計(jì)算過程變得非常耗時(shí)，無法滿足圖像分割對實(shí)時(shí)性的要求。

現(xiàn)有技術(shù)中，基于蜜蜂覓食算法的圖像分割方法是一種有效的多閾值圖像分割方法，其首先利用偵查蜂對閾值空間進(jìn)行隨機(jī)搜索，每個(gè)搜索結(jié)果代表一個(gè)蜜源，并通過適應(yīng)度函數(shù)來評(píng)價(jià)蜜源的優(yōu)劣。在每次迭代搜索過程中，適應(yīng)度函數(shù)值較高的一半蜜源被選擇出來作為優(yōu)質(zhì)蜜源；采蜜蜂被平均分配到優(yōu)質(zhì)蜜源附近進(jìn)行隨機(jī)搜索，如果搜索不到更好的蜜源則以固定的比率收縮搜索范圍；同時(shí)，適應(yīng)度函數(shù)值更高的優(yōu)質(zhì)蜜源吸引更多的待工蜂在其附近進(jìn)行一維搜索；偵查蜂在每次迭代搜索過程中對整個(gè)閾值空間進(jìn)行隨機(jī)搜索。

采蜜蜂在搜索過程中采用搜索范圍收縮的策略，但其搜索范圍采用固定的比率進(jìn)行收縮，在對圖像進(jìn)行分割是，選取不同數(shù)量的分割閾值個(gè)數(shù)往往需要對收縮率進(jìn)行重新設(shè)置，以獲得較好的閾值搜索效果，自適應(yīng)性較差。此外，收縮率的大小設(shè)置往往需要一定的經(jīng)驗(yàn)或先驗(yàn)知識(shí)，收縮率設(shè)置過大會(huì)使算法的收斂速度變慢，運(yùn)行效率大幅降低；收縮率設(shè)置過小會(huì)造成采蜜蜂無法對優(yōu)質(zhì)蜜源進(jìn)行充分搜索就進(jìn)入停滯狀態(tài)，容易陷入局部最優(yōu)。尋找最優(yōu)收縮率參數(shù)的設(shè)置往往耗費(fèi)較多的時(shí)間，大大影響了工程應(yīng)用進(jìn)度。

因此，如何提供一種不依賴先驗(yàn)知識(shí)、算法調(diào)節(jié)參數(shù)少、算法具有較強(qiáng)的自適應(yīng)能力的圖像分割方法及系統(tǒng)是本領(lǐng)域技術(shù)人員亟需解決的問題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種基于動(dòng)態(tài)收縮蜜蜂覓食算法的圖像分割方法及系統(tǒng)，具有不依賴先驗(yàn)知識(shí)、算法調(diào)節(jié)參數(shù)少、算法具有較強(qiáng)的自適應(yīng)能力等特點(diǎn)；此外，動(dòng)態(tài)收縮策略的引入進(jìn)一步加強(qiáng)了算法在閾值搜索過程中的動(dòng)態(tài)適應(yīng)性能，提高了算法的搜索效率，使算法在不需要人為參數(shù)調(diào)整干預(yù)的條件下，仍能夠快速地搜索到最佳閾值組合。

為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

一種基于動(dòng)態(tài)收縮蜜蜂覓食算法的圖像分割方法，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；