本發(fā)明專利技術(shù)提供了一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，涉及圖像處理技術(shù)領(lǐng)域，本發(fā)明專利技術(shù)結(jié)合最大類間方差法和最大熵法的優(yōu)點(diǎn)設(shè)計(jì)了聯(lián)合判別方程，避免了采用單一閾值分割方法時(shí)分割精度不高的缺點(diǎn)。在搜索機(jī)制上，本發(fā)明專利技術(shù)將荷花定律這一人生哲理與人工兔搜索機(jī)制相結(jié)合并用于設(shè)計(jì)人工兔搜索機(jī)制在能量收縮階段的能量方程，使求解機(jī)制更符合大自然生物的能量消耗規(guī)律，同時(shí)優(yōu)化了人工兔搜索機(jī)制在繞道覓食階段和隨機(jī)隱藏階段的位置更新公式，減小陷入局部最優(yōu)解的可能。本發(fā)明專利技術(shù)所設(shè)計(jì)的基于荷花定律的人工兔搜索機(jī)制圖像分割方法擁有更快的收斂速度、更高的收斂精度、更高的分割精度和更好的魯棒性。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及圖像處理，尤其涉及一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法。
技術(shù)介紹
1、圖像分割是把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域并提出感興趣目標(biāo)的技術(shù)和過(guò)程，也是由圖像處理到圖像分析的關(guān)鍵步驟。現(xiàn)有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等。圖像分割是一個(gè)把屬于同一區(qū)域的像素賦予相同的編號(hào)的過(guò)程，從數(shù)學(xué)角度來(lái)看，圖像分割也可以看做是將數(shù)字圖像劃分成互不相交的區(qū)域的過(guò)程。常見(jiàn)的圖像分割方法有最大類間方差法、最大熵法、最小交叉熵法和k均值聚類法等。
2、隨著群智能方法的興起，傳統(tǒng)的圖像分割方法逐漸被用做群智能方法的目標(biāo)函數(shù)，通過(guò)參與群體的迭代過(guò)程從而獲得在指定時(shí)間或迭代次數(shù)內(nèi)的最優(yōu)分割效果。與群智能方法相結(jié)合的圖像分割方法因能在較短的速度內(nèi)獲得精度更高的分割圖像，從而成為目前圖像分割領(lǐng)域的主流方法之一。因此，設(shè)計(jì)一種精度高并且魯棒性強(qiáng)的的高精度圖像分割方法有重要的理論價(jià)值和現(xiàn)實(shí)意義。
3、然而，現(xiàn)有的群智能方法存在收斂時(shí)間較長(zhǎng)和易陷入局部最優(yōu)解的問(wèn)題。
4、因此，亟需提供一種方案改善上述問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，用以改善現(xiàn)有技術(shù)中的群智能算法中存在收斂時(shí)間較長(zhǎng)和易陷入局部最優(yōu)解的問(wèn)題。
2、本專利技術(shù)提供的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法采用如下的技術(shù)方案：
<
p>3、基于灰度化將輸入圖像的數(shù)據(jù)類型轉(zhuǎn)換為雙精度浮點(diǎn)型灰色圖像，獲取所述灰色圖像中像素點(diǎn)的行數(shù)和列數(shù)，并基于所述行數(shù)和列數(shù)生成灰度圖像的矩陣表示；4、基于分隔閾值將所述灰色圖像的灰度直方圖劃分為單個(gè)背景區(qū)和多個(gè)目標(biāo)區(qū)，并基于整幅圖片中灰度值為的像素點(diǎn)出現(xiàn)的概率分別獲取背景區(qū)、第個(gè)目標(biāo)區(qū)和第個(gè)目標(biāo)區(qū)出現(xiàn)灰度值為的像素點(diǎn)的概率；
5、基于背景區(qū)、第個(gè)目標(biāo)區(qū)和第個(gè)目標(biāo)區(qū)出現(xiàn)灰度值為的像素點(diǎn)的概率分別獲取背景區(qū)灰度均值、第個(gè)目標(biāo)區(qū)灰度均值和第個(gè)目標(biāo)區(qū)灰度均值后獲取總灰度均值，并基于所述總灰度均值獲取距離測(cè)度函數(shù)；
6、基于第個(gè)目標(biāo)區(qū)的熵獲取熵判別函數(shù)，并基于權(quán)重系數(shù)對(duì)所述熵判別函數(shù)和距離測(cè)度函數(shù)進(jìn)行加權(quán)求和后獲取聯(lián)合判別函數(shù)；
7、將所述聯(lián)合判別函數(shù)的倒數(shù)作為適應(yīng)度函數(shù)，并基于荷花定律對(duì)人工兔的個(gè)體位置進(jìn)行更新，獲取改進(jìn)后的人工兔算法，并基于所述改進(jìn)后的人工兔算法對(duì)所述適應(yīng)度函數(shù)進(jìn)行迭代尋優(yōu)獲取使得適應(yīng)度函數(shù)最小值對(duì)應(yīng)的分割閾值；
8、對(duì)所述分割閾值進(jìn)行排序獲取排序序列，根據(jù)所述排序序列的順序依次對(duì)輸入圖像進(jìn)行分割。
9、本專利技術(shù)提供的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法的有益效果在于以下幾個(gè)方面：
10、（1）傳統(tǒng)的人工兔搜索機(jī)制存在收斂速度慢、收斂精度低、易陷入局部最優(yōu)解等問(wèn)題。由于原始人工兔搜索機(jī)制的能量收縮機(jī)制在迭代次數(shù)較低時(shí)能量變化較為隨機(jī)，難以實(shí)現(xiàn)探索和開(kāi)發(fā)的平衡，因此在能量收縮階段使用荷花定律對(duì)兔子的能量變化進(jìn)行分段改進(jìn)。在迭代過(guò)程的前一階段兔子能量呈指數(shù)型下降，當(dāng)?shù)M(jìn)入尾聲時(shí)兔子經(jīng)長(zhǎng)時(shí)間隨機(jī)隱藏，食物即將耗盡，需在確保無(wú)天敵時(shí)進(jìn)行繞道覓食，能量將有小幅度線性提升，直至一個(gè)峰值后保持穩(wěn)定。此種能量計(jì)算方法使本專利技術(shù)更符合自然界生物的生存規(guī)律，并且經(jīng)仿真驗(yàn)證能增加方法的收斂性。在繞道覓食階段，將原始人工兔搜索機(jī)制選擇隨機(jī)個(gè)體領(lǐng)域進(jìn)行覓食的探索方法改為向種群平均位置移動(dòng)，增強(qiáng)了全局探索的能力；在隨機(jī)隱藏階段，將原始人工兔搜索機(jī)制在自身附近洞穴中進(jìn)行隨機(jī)隱藏的開(kāi)發(fā)方法改為在自身附近洞穴中隱藏的同時(shí)向最優(yōu)解方向移動(dòng)，有效避免了陷入局部最優(yōu)解。
11、（2）傳統(tǒng)的otsu法僅考慮類間的灰度差異，與群智能方法相結(jié)合進(jìn)行圖像分割時(shí)易出現(xiàn)最大類間方差大但分割效果不佳的情況。本專利技術(shù)在傳統(tǒng)otsu法的基礎(chǔ)上將其與最大熵法相結(jié)合設(shè)計(jì)了otsu-最大熵圖像分割方法，通過(guò)建立聯(lián)合判別標(biāo)準(zhǔn)與基于荷花定律的人工兔搜索機(jī)制相結(jié)合搜尋更加合理且精確的分割閾值。在設(shè)置相同的最大迭代次數(shù)的條件下，基于荷花定律的人工兔搜索機(jī)制相比原始的人工兔搜索機(jī)制和一些經(jīng)典的群體智能優(yōu)化方法如粒子群機(jī)制的分割效果在峰值信噪比、特征相似度和結(jié)構(gòu)相似度三個(gè)指標(biāo)的衡量下展示出的分割結(jié)果都更加優(yōu)秀，可以表現(xiàn)出本專利技術(shù)在圖像分割領(lǐng)域具有比較強(qiáng)的實(shí)用價(jià)值。
12、可選的，所述基于荷花定律對(duì)人工兔的個(gè)體位置進(jìn)行更新的過(guò)程，包括：
13、初始化人工兔種群中每只兔子的位置，將聯(lián)合判別函數(shù)的倒數(shù)作為適應(yīng)度函數(shù)；
14、初始化第1代第只兔子第維位置為之間的隨機(jī)整數(shù)，，表示預(yù)設(shè)的目標(biāo)區(qū)的最大個(gè)數(shù)，為第維的上界，為第維的下界，將第1代人工兔個(gè)體的位置作為分割閾值代入所述適應(yīng)度函數(shù)中，獲得每只人工兔的初始適應(yīng)度函數(shù)值，將初始種群中適應(yīng)度函數(shù)值最小的人工兔個(gè)體的位置設(shè)置為初始最優(yōu)位置；
15、使用荷花定律改進(jìn)兔子的能量消耗規(guī)律，通過(guò)能量判斷兔子將進(jìn)入繞道覓食階段還是隨機(jī)隱藏階段，在繞道覓食階段，基于種群平均位置移動(dòng)對(duì)人工兔個(gè)體位置進(jìn)行更新獲取第一人工兔個(gè)體位置；在隨機(jī)隱藏階段，基于最優(yōu)解移動(dòng)對(duì)人工兔個(gè)體位置進(jìn)行更新獲取第二人工兔個(gè)體位置，并基于所述第一人工兔個(gè)體位置和第二人工兔個(gè)體位置獲取更新后的人工兔個(gè)體位置；
16、基于所述更新后的人工兔個(gè)體位置對(duì)適應(yīng)度函數(shù)值進(jìn)行迭代直至當(dāng)前迭代次數(shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)時(shí)停止更新，輸出最優(yōu)位置。
17、可選的，所述兔子的能量消耗規(guī)律的數(shù)學(xué)表達(dá)式為：
18、；
19、其中，為第次迭代時(shí)獵物的能量，，，是在第次迭代時(shí)選取的之間的隨機(jī)數(shù)，當(dāng)時(shí)兔子進(jìn)入繞道覓食階段，反之兔子則進(jìn)入隨機(jī)隱藏階段，表示預(yù)設(shè)的最大迭代次數(shù)，表示當(dāng)前迭代次數(shù)。
20、可選的，所述第一人工兔個(gè)體位置的數(shù)學(xué)表達(dá)式為：
21、；
22、其中，為第一人工兔的行走長(zhǎng)度，表示第一人工兔個(gè)體位置，表示更新前第一人工兔個(gè)體位置，表示第一人工兔種群中所有個(gè)體的平均位置，和表示(0,1)之間的隨機(jī)數(shù)，表示服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)，和為固定的探索因子，表示當(dāng)前迭代次數(shù)，表示預(yù)設(shè)的最大迭代次數(shù)，表示向下取整符號(hào)；
23、所述第二人工兔個(gè)體位置的數(shù)學(xué)表達(dá)式為：
24、；
25、其中，,；
26、其中，表示第次迭代第二人工兔個(gè)體位置，、和表示(0,1)之間的隨機(jī)數(shù)，表示第次迭代第二人工兔的位置，表示預(yù)設(shè)的目標(biāo)區(qū)的最大個(gè)數(shù)，表示截止至第次迭代最優(yōu)解所在的位置，表示第二人工兔的第個(gè)洞穴，為中的任意整數(shù)，表示向上取整符號(hào)。
27、可選的，基于整幅圖片中灰度值為的像素點(diǎn)出現(xiàn)的概率分別獲取背景區(qū)、第個(gè)目標(biāo)區(qū)和第個(gè)目標(biāo)區(qū)出現(xiàn)灰度值為的像素點(diǎn)的概率的過(guò)程，包括：
28、所述像素點(diǎn)出現(xiàn)的概率為：
29、；
30、其中，表示整幅圖片中本文檔來(lái)自技高網(wǎng)
...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，所述基于荷花定律對(duì)人工兔的個(gè)體位置進(jìn)行更新，獲取改進(jìn)后的人工兔算法的過(guò)程，包括：
3.根據(jù)權(quán)利要求2所述的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，所述兔子的能量消耗規(guī)律的數(shù)學(xué)表達(dá)式為：
4.根據(jù)權(quán)利要求2所述的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，
5.根據(jù)權(quán)利要求1所述的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，基于整幅圖片中灰度值為的像素點(diǎn)出現(xiàn)的概率分別獲取背景區(qū)、第個(gè)目標(biāo)區(qū)和第個(gè)目標(biāo)區(qū)出現(xiàn)灰度值為的像素點(diǎn)的概率的過(guò)程，包括：
6.根據(jù)權(quán)利要求1所述的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，基于背景區(qū)、第個(gè)目標(biāo)區(qū)和第個(gè)目標(biāo)區(qū)出現(xiàn)灰度值為的像素點(diǎn)的概率分別獲取背景區(qū)灰度均值、第個(gè)目標(biāo)區(qū)灰度均值和第個(gè)目標(biāo)區(qū)灰度均值的過(guò)程，包括：
7.根據(jù)權(quán)利要求1所述的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，基于所述總灰度均值獲取距離測(cè)度函數(shù)時(shí)，
8.根據(jù)權(quán)利要求1所述的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，所述基于第個(gè)目標(biāo)區(qū)的熵獲取熵判別函數(shù)，并基于權(quán)重系數(shù)對(duì)所述熵判別函數(shù)和距離測(cè)度函數(shù)進(jìn)行加權(quán)求和后獲取聯(lián)合判別函數(shù)的過(guò)程，包括：
9.根據(jù)權(quán)利要求1所述的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，對(duì)所述分割閾值進(jìn)行排序獲取排序序列，根據(jù)所述排序序列的順序依次對(duì)輸入圖像進(jìn)行分割的過(guò)程，包括：
...
【技術(shù)特征摘要】
1.一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，所述基于荷花定律對(duì)人工兔的個(gè)體位置進(jìn)行更新，獲取改進(jìn)后的人工兔算法的過(guò)程，包括：
3.根據(jù)權(quán)利要求2所述的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，所述兔子的能量消耗規(guī)律的數(shù)學(xué)表達(dá)式為：
4.根據(jù)權(quán)利要求2所述的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，
5.根據(jù)權(quán)利要求1所述的一種基于荷花定律的人工兔搜索機(jī)制圖像分割方法，其特征在于，基于整幅圖片中灰度值為的像素點(diǎn)出現(xiàn)的概率分別獲取背景區(qū)、第個(gè)目標(biāo)區(qū)和第個(gè)目標(biāo)區(qū)出現(xiàn)灰度值為的像素點(diǎn)的概率的過(guò)程，包括：
6.根據(jù)權(quán)利要求1所述的一種基于...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：呂莉，韓龍哲，張翼英，劉寶宏，何業(yè)慎，梁琨，
申請(qǐng)(專利權(quán))人：南昌工程學(xué)院，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。