[发明专利]一种基于生物地理优化的图像分割方法

权利要求书

1.一种基于生物地理优化的图像分割方法，其特征在于，包括如下步骤：

（1）对类别数C、模糊指数m、群体规模n、迭代次数N、迁入率函数最大值I、迁出率函数最大值E、迁移率p_modify、精英个体留存数k及最大变异概率m_max进行初始化；

（2）输入待分割的图片，彩色图转换为灰度图，将图像信息转换为图像的灰度数据，初始化聚类中心；

（3）计算k个聚类中心隶属度构成的模糊矩阵；

（4）重新计算k个聚类中心；

（5）提取每个聚类中心的适应度值，判断是否满足最大迭代次数T停止条件，如果满足就停止，输出最优解；如果不满足则执行步骤（6）；

（6）提取每个聚类中心的迁入率和迁出率，根据迁移策略修改聚类中心，重新提取适宜度；

（7）根据变异算子更新聚类中心，重新提取适宜度；

（8）如果未达到迭代次数T，执行步骤（3）进行下一次迭代；如果达到迭代次数，输出分割结果。

2.根据权利要求1所述的一种基于生物地理优化的图像分割方法，其特征在于，所述的迁移策略修改聚类中心的步骤为：

（1）初始化：设置迁移策略的迭代代数计数器t=0，设置迁移策略最大迭代代数T，将生成的聚类中心个体作为初始群体P(0)；

（2）个体评价：计算群体P(t)中个体的适应度和种群数，提取每个个体迁入率λ和迁出率μ，并且将种群中每个个体存入到pbest(t)，将迁入率最低，迁出率最高的个体存入到gbest(t)中，其中，pbest(t)是与P(t)大小结构相同的矩阵，gbest(t)只存储一个解；

（3）迁出迁入算子：根据每个个体迁入率λ和迁出率μ对所有个体进行迁入迁出操作；

（4）变异算子：根据由种群数求出的变异概率对最低的一半个体进行变异，将获得新的解替换掉旧的解；

（5）判断终止条件：若t=T，则以具有最大适应度的个体作为最优聚类中心解输出。