[發(fā)明專利]基于改進(jìn)灰狼優(yōu)化算法的復(fù)雜圖像多閾值分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202310278139.1
• 申請(qǐng)日: 2023-03-21
• 公開（公告）號(hào): CN116309668A
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 巢淵;徐魏;劉文匯;李興成;張敏;李龑;單文桃;韓振華;丁力;劉凱磊
• 申請(qǐng)（專利權(quán)）人: 江蘇理工學(xué)院;常州祥明智能動(dòng)力股份有限公司
• 主分類號(hào): G06T7/136
• 分類號(hào): G06T7/136;G06N3/006
• 代理公司: 南京新慧恒誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 32424
• 代理人: 徐彪

本發(fā)明公開了一種基于改進(jìn)灰狼優(yōu)化算法的復(fù)雜圖像多閾值分割方法，建立最大熵閾值分割的最優(yōu)化模型；采用改進(jìn)灰狼優(yōu)化算法求解圖像分割的最佳分割閾值，其中，對(duì)灰狼優(yōu)化算法的改進(jìn)包括：首先，改進(jìn)非線性因子，平衡算法搜索與挖掘能力；然后，引入反向?qū)W習(xí)策略提高種群質(zhì)量，再引入正弦函數(shù)并調(diào)整頭狼權(quán)重改進(jìn)灰狼更新公式，增強(qiáng)算法的挖掘能力；接著，交替引入頭狼靠攏策略與種群變異策略進(jìn)行位置更新，前者提高了算法的收斂性能，后者增強(qiáng)了算法跳出局部最優(yōu)的能力。進(jìn)而得到灰度圖像最佳分割閾值矩陣；最后利用最佳分割閾值矩陣進(jìn)行圖像分割。本發(fā)明有效的提高了復(fù)雜圖像分割的穩(wěn)定性與分割結(jié)果的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于改進(jìn)灰狼優(yōu)化算法的復(fù)雜圖像多閾值分割方法。

背景技術(shù)

圖像分割是圖像處理中的重要環(huán)節(jié)，圖像分割的好壞，直接影響著后期圖像處理的結(jié)果，如目標(biāo)定位、特征提取、特征識(shí)別等?，F(xiàn)如今，圖像分割的應(yīng)用領(lǐng)域越來越廣，如軍事、醫(yī)學(xué)、工業(yè)自動(dòng)化及農(nóng)業(yè)現(xiàn)代化等領(lǐng)域，因此圖像高精度、高穩(wěn)定性的分割顯得尤為重要。簡(jiǎn)單圖像僅包含兩個(gè)區(qū)域(背景區(qū)域與目標(biāo)區(qū)域)，通過單閾值分割即可將背景區(qū)域與目標(biāo)區(qū)域劃分出來，然而，工業(yè)自動(dòng)化領(lǐng)域所涉及的圖像往往為復(fù)雜圖像，具有多類區(qū)域，目標(biāo)像素占整幅圖像像素的較小比例，直方圖分布常呈現(xiàn)為拖尾分布或多峰分布，增加了分割難度，對(duì)圖像分割算法的尋優(yōu)性能要求更高。

根據(jù)圖像分割的分割依據(jù)不同，可分為閾值分割方法、邊緣分割方法和區(qū)域分割方法。其中基于閾值的分割方法因其實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、性能穩(wěn)定的特點(diǎn)，被學(xué)者廣泛使用。閾值分割方法的核心在于如何尋找適當(dāng)?shù)拈撝?，最常用的閾值分割方法是基于灰度直方圖的方法，如大津法、最大熵、最小交叉熵等。分割方法通過窮舉法進(jìn)行圖像單閾值分割，可以快速地獲得分割閾值，但進(jìn)行多閾值分割時(shí)，計(jì)算量呈指數(shù)增長(zhǎng)，存在耗時(shí)長(zhǎng)的缺點(diǎn)。近年來，群智能優(yōu)化算法因具有并行性、易與其他算法結(jié)合等優(yōu)點(diǎn)，被廣泛應(yīng)用到圖像分割中。郭松林于2022年提出了改進(jìn)的鯨魚優(yōu)化算法與圖像閾值分割方法，采用大津法作為分割函數(shù)，利用改進(jìn)鯨魚優(yōu)化算法進(jìn)行優(yōu)化計(jì)算，實(shí)現(xiàn)了圖像的快速分割，但僅適用于單閾值分割；盧建宏等于2022年提出了改進(jìn)海鷗算法的多閾值圖像分割算法，實(shí)現(xiàn)了復(fù)雜圖像的多閾值分割，但當(dāng)閾值數(shù)大于3時(shí)，算法存在穩(wěn)定性較差的缺點(diǎn)。張大明等于2022年提出基于停滯檢測(cè)的雙向搜索灰狼優(yōu)化算法進(jìn)行圖像分割，以Kapur熵為分割函數(shù)，實(shí)現(xiàn)了圖像的多閾值分割，但算法存在尋優(yōu)精度低的缺點(diǎn)，不適用于復(fù)雜圖像。申請(qǐng)?zhí)枮?01910258297.4的中國(guó)發(fā)明專利申請(qǐng)?zhí)岢隽艘环N基于改進(jìn)教與學(xué)優(yōu)化算法的HT-29圖像分割方法，通過改進(jìn)教與學(xué)優(yōu)化算法，實(shí)現(xiàn)了HT-29圖像精準(zhǔn)單閾值分割，但不適用于多閾值圖像。

與原始的優(yōu)化算法相比，利用改進(jìn)的優(yōu)化算法進(jìn)行圖像分割優(yōu)化計(jì)算，可以有效地增強(qiáng)算法前期的收斂性與尋優(yōu)能力，提高圖像精準(zhǔn)分割的穩(wěn)定性。但隨著圖像復(fù)雜度的增加，對(duì)改進(jìn)智能優(yōu)化算法的要求也更高，因此需要設(shè)計(jì)一種適用于復(fù)雜圖像的高精度、高穩(wěn)定性的多閾值分割方法。

發(fā)明內(nèi)容

本發(fā)明是針對(duì)現(xiàn)有圖像分割方法存在前期收斂速度慢、易陷入局部最優(yōu)、復(fù)雜圖像分割不準(zhǔn)確的問題，而提供一種基于改進(jìn)灰狼優(yōu)化算法的復(fù)雜圖像多閾值分割方法。

本發(fā)明所采用的技術(shù)方案有：

基于改進(jìn)灰狼優(yōu)化算法的復(fù)雜圖像多閾值分割方法，包括以下步驟：

1)輸入圖像，進(jìn)行灰度化處理，獲取一維灰度直方圖，圖像灰度值范圍定為[0,255]；

2)建立圖像多閾值分割的最大熵優(yōu)化模型，并將最大熵優(yōu)化模型作為分割函數(shù)；

3)改進(jìn)灰狼優(yōu)化算法，應(yīng)用于分割函數(shù)，得到最佳分割閾值矩陣；

4)利用最佳分割閾值矩陣對(duì)圖像進(jìn)行多閾值分割，得到分割后的圖像。

進(jìn)一步地，步驟2)中將最大熵優(yōu)化模型作為分割函數(shù)的步驟為；