[發明專利]一種基于仿生尋優機制的二維最大熵孔穴圖像分割方法

在審

• 申請號: 202010903711.5
• 申請日: 2020-09-01
• 公開（公告）號: CN112184721A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 徐揚;徐立中;太史雁峰;熊允波;沈潔
• 申請（專利權）人: 河海大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/194;G06N3/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 向文

本發明公開了一種基于仿生尋優機制的二維最大熵孔穴圖像分割方法，包括如下步驟：獲取圖像的二維直方圖；利用果蠅尋優算法求出迭代坐標；將獲取的迭代坐標作為最佳閾值，使得二維熵最大，利用二維最大熵圖像分割算法提取孔穴圖像。本發明現有技術相比，受果蠅群體尋找食物的機制啟發，提出了一種具有自適應搜索步長和方向校正機制的仿生尋優算法，然后將提出的仿生尋優算法和二維最大熵分割法結合，提高了孔穴分割的精確度和算法的運算速度。

技術領域

本發明屬于孔穴圖像分割技術領域，具體涉及一種基于仿生尋優機制的二維最大熵孔穴圖像分割方法。

背景技術

孔穴作為木質板材的一個微觀結構特征和一個影響板材物理力學性能的重要因素,是評價板材等級的重要參數。研究員利用照相機通過顯微鏡拍攝板材的橫切面圖像，提出用數字圖像處理技術將橫切面圖像二值化，背景為白色，孔穴為黑色，再根據孔穴率、孔穴大小和孔穴形態等參數對板材物理性能進行綜合評價的參數。因此，如何準確地將孔穴與背景分開，對后續的孔穴率計算和板材品質評級都至關重要。

由于板材孔穴圖像有其自身的特點，有小的孔隙，有樹脂分布區域,還有大的板材缺陷等,都不是孔穴提取的內容，都屬于噪聲。目前采用的圖像分割法種類較多，如最大類間差分法、最小誤差閾值分割法和最大熵法等。這些方法都是一維閾值化方法，它們都是計算圖像的各個灰度級所對應的準則函數的值，通過尋找此函數的最優值來獲得全局最佳分割閾值。由此可見這些方法的計算量都很大。而且這些方法都是在圖像的灰度直方圖上考慮的，沒有充分利用圖像包含的信息，都容易受到噪聲干擾。

采用二維最大熵法進行圖像分割，綜合考慮了圖像像素灰度值和8鄰域灰度平均值2個因素，不容易受噪聲影響，使得圖像分割的精確度更高。但其計算量和運算時間都大大增加了。為了解決這個問題，需要使用優化算法與之結合。目前廣泛使用的優化算法有人工蜂群優化算法、遺傳算法、蟻群優化算法、粒子群優化算法，但是這些算法容易陷入局部最優解，需要人為設置的參數較多，就很依靠個人經驗，對結果影響較大，并且隨機性比較大，在尋優的過程中無法有效的利用反饋信息。

發明內容

發明目的：為了克服現有技術中存在的不足，提供一種基于仿生尋優機制的二維最大熵孔穴圖像分割方法，能夠快速準確地完成孔穴圖像分割。

技術方案：為實現上述目的，本發明提供一種基于仿生尋優機制的二維最大熵孔穴圖像分割方法，包括如下步驟：

S1：獲取圖像的二維直方圖；

S2：利用果蠅尋優算法求出最佳閾值，具體過程如下：

A1：設置每個果蠅群體有m-1個普通果蠅和1個特殊果蠅，隨機初始化果蠅群體的初始化位置(X,Y)，初始搜索步長為R，最大迭代次數為N，為了設置自適應搜索步長引入迭代函數(1)：

其中，n為當前迭代次數；

A2：根據迭代函數(1)得到自適應搜索步長為R_L，果蠅根據該步長R_L和隨機方向搜索食物：

X_i＝X+R_xi Y_i＝Y+R_yi

R_xi＝R_L·rand() R_yi＝R_L·rand() i＝0,1,2...m-1 (2)

式中，i為果蠅編號，X_i，Y_i為果蠅個體的位置，R_xi，R_yi為個體果蠅搜尋的路徑；

A3：根據果蠅個體的位置坐標計算味道濃度判定值，得到味道濃度判定值為：