[發明專利]一種水下圖像的懸浮微粒特征分割提取方法

在審

• 申請號: 202011086698.5
• 申請日: 2020-10-12
• 公開（公告）號: CN112150475A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 賈欣鑫;張浩;王雷;李向春;王起維
• 申請（專利權）人: 山東省科學院海洋儀器儀表研究所
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 北京盛凡智榮知識產權代理有限公司 11616
• 代理人: 黃玉清

1.一種水下圖像的懸浮微粒特征分割提取方法，其特征在于，包括如下步驟：

步驟1：生成三層BP網絡結構；其中，三層BP網絡結構包括輸入層、隱層和輸出層，相鄰各層之間的神經元之間實現全連接，同在一層的各神經元之間無連接，相鄰各隔層神經元之間的連接并不僅僅是作為信息傳送的通道而加以連接，在傳輸信息的同時，神經元的連接上附有加權系數，包含權值、連接強度、突觸強度信息，各連接上的加權系數代表著所連接的兩個神經元間信息傳送的刺激強度。

步驟2：將BP網絡的權值序列作為遺傳算法的染色體編碼；其中，染色體編碼采用實數編碼，將各權值和閾值級聯在一起，轉換成遺傳空間中的基因型個體(染色體)。

步驟3：隨機產生初始種群；遺傳神經網絡方法在處理圖像進行分割的過程中，首先基于圖像所具有的灰度連續性特征，按某種間隔規則跳躍的選取圖像中的部分灰度信息，將其構成一個一位數組并定作遺傳算法進化開始的初始種群P0。

步驟4：計算個體適應度；根據隨機產生的權值向量和閾值向量對應的神經網絡，對給定的輸入集和輸出集計算出每個神經網絡的全局誤差作為適應度。

步驟5：通過選擇、交叉、變異進行個體選擇；由步驟3得到的初始種群P0通過選擇、交叉、變異進行一代代的個體選擇。

步驟6：判斷個體是否達到精度要求；若步驟5中選擇得到的個體達到精度要求則將染色體作為BP網絡權值；若步驟5中選擇得到的個體未達到精度要求則更新種群并重復步驟4。

步驟7：BP網絡優化訓練；交叉算子把兩個父代個體的部分結構加以替換重組生成新個體，變異算子對群體中的個體串的某些基因座上的基因值作變動，得到新的個體，形成其中新的種群P1。

步驟8：判斷新個體是否達到精度要求；重新計算個體適應度，若新的種群P1中的個體達到精度要求則將最終群體中的最優個體解碼即可完成圖像特征的分割提取任務；若新的種群P1中的個體未達到精度要求則修正誤差及閥值并重復步驟7。