[發明專利]基于竹子定律和熵的哈里斯鷹機制圖像分割方法

在審

• 申請號: 202211544646.7
• 申請日: 2022-12-03
• 公開（公告）號: CN115937493A
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 高洪元;郭穎;孫志國;谷曉苑;陳夢晗;張震宇;王欣悅;陳暄;劉廷暉;白浩川
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06V10/20
• 分類號: G06V10/20;G06V10/28;G06V10/762;G06N3/006;G06V10/26;G06V10/74;G06V10/774
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于竹子定律和熵的哈里斯鷹機制圖像分割方法，其特征在于，步驟如下：

步驟一：輸入圖像，灰度化圖像并轉換為偽彩色圖；

步驟二：設置聚類數，進行K-means聚類方法的建模；

步驟三：初始化哈里斯鷹種群中每個個體的位置和獵物能量，將K-means聚類方法的損失函數作為基于竹子定律和熵的哈里斯鷹機制的適應度函數，計算適應度值，獲得獵物的初始位置；

步驟四：過渡階段，使用竹子定律改進獵物的能量，通過獵物能量判斷哈里斯鷹種群將進入全局探索階段還是局部開發階段；

步驟五：全局探索階段，利用熵變異哈里斯鷹種群的全局位置，每只哈里斯鷹在給定的區間范圍內搜尋最優解；

步驟六：局部開采階段，在局部開采階段，哈里斯鷹將根據獵物的能量|E^t|和獵物逃脫的概率進行軟圍攻、硬圍攻、漸進式快速俯沖軟圍攻和漸進式快速俯沖硬圍攻四種不同的圍攻策略選??；

步驟七：計算每只哈里斯鷹更新位置后的適應度，更新獵物位置；

將第t+1次迭代中第i只哈里斯鷹的位置代入適應度函數中計算相應的適應度值，記錄第t+1次迭代哈里斯鷹的最優位置；若第t+1次迭代哈里斯鷹的最優位置適應度值優于第t獵物的適應度值，則第t+1次迭代的獵物位置等于第t+1次迭代哈里斯鷹的最優位置；否則，則第t+1次迭代的獵物位置等于第t次迭代的獵物位置；

步驟八：判斷是否達到其最大迭代次數T，若未達到，令t＝t+1，返回步驟四繼續迭代；否則，輸出最優位置；

步驟九：將最后一代的獵物位置作為K-means聚類方法的初始聚類中心，使用步驟二中所述的模型進行聚類，將每一聚類簇中的所有像素點以其聚類中心的灰度值來替代來重構該圖像實現圖像分割，并按照步驟一的映射規則將分割后的灰度圖像轉換為偽彩色圖。

2.根據權利要求1所述的基于竹子定律和熵的哈里斯鷹機制圖像分割方法，其特征在于，步驟一具體為：提取灰度圖像中像素點的個數R_ow×C_ol和通道數C_type，設灰度級取值范圍為[0,M-1]，第個像素點表示為其中R_ow和C_ol分別代表圖像中像素點的行數和列數，M表示為灰度級的數目，L＝R_ow×C_ol表示全部像素點的個數；將圖像數據類型轉換為雙精度浮點類型并歸一化到[0,1]之間；每個通道通過對不同的灰度級采用不同的映射函數將灰度圖像轉換為偽彩色圖。

3.根據權利要求1所述的基于竹子定律和熵的哈里斯鷹機制圖像分割方法，其特征在于，步驟二具體為：設置聚類數為K，第次循環K均值聚類的聚類中心為為聚類模型中的循環次數；

(1)設樣本集為I＝[m₁,m₂,…,m_L]，設置本模型中最大循環次數為T₁，允許最大誤差為E_max，第j個聚類簇為C_j，j＝1,2,...,K，將聚類簇初始設置為為空集；

(2)對于計算第個像素點樣本和第j個聚類中心的歐氏距離：設標記第次循環最小的所對應的類別為λ，λ∈{1,2,...,K}，則更新C_λ，令

(3)對C_j中所有的樣本點重新計算第次循環的聚類中心為第j個聚類簇C_j所包含的樣本數，計算誤差

(4)若或結束聚類，輸出聚類結果C＝{C₁,C₂,…,C_K}，否則令返回(2)繼續循環，直到滿足聚類結束的條件。