[发明专利]一种基于蝙蝠算法优化模糊熵的双阈值图像分割方法

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于蝙蝠算法优化模糊熵的双阈值图像分割方法。

背景技术

公知，图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。图像分割的任务是将输入图像分割为一些独立的区域，使同一区域具有相同的属性，而使不同的区域具有不同的属性。对于图像分割问题，现在已有大量的方法，但鉴于图像种类繁多、所包含的数据量大、细节变化多端的特点，迄今为止还没有一种图像分割方法适合于所有的情况。

阈值分割方法是一种基于区域的图像分割技术，它假定能够根据灰度值将不同的目标或者目标与背景区分开，通过设定不同的阈值，把图像像素点分为若干类。其中，合理的灰度级门限的选取是阈值法所要解决的关键问题。虽然阈值分割方法具有简单快速的优点，但是有两个主要的缺点限制其性能：

其一是传统的单阈值分割方法过于依赖初始参数。现已引进了多阈值的方法来解决图像分割问题[1]，多阈值的方法是通过适当增加参数的个数，以得到更加合理的灰度级门限。参数个数越多，门限值越合理，但整个算法的时间复杂度也会随之上升。

其二是传统的多阈值分割方法时间复杂度很高。由于传统的多阈值分割方法是一个不断修正的过程，当超过两个阈值时，最优阈值可能的组合次数呈灰度级的指数上升。已有研究者引进了差分演化算法到多阈值图像分割中来解决此问题[2]。演化算法作为一种并行搜索过程，只要给定算法的初值，它就会依据适应度函数不断进行搜索并找到最优解，而不需要很多的迭代过程，也不用每次对隶属度函数进行计算。同时，蝙蝠算法作为一种先进的演化算法，可以直接采用十进制进行编码，相对于大部分演化算法采用二进制编码而言，计算过程更为方便，能在很大程度上提高图像分割的效率。

参考文献：

[1].Wang Lei,Duan Huichuan,Application of Otsu'method in multi-threshold image segmentation,Computer Engineering and Design,2008,29（11）,P:2844-2846.

[2].Erik Cuevas,Daniel Zaldivar,Marco Pérez-Cisneros,A novel multi-threshold segmentation approach based on differential evolution optimization,Expert Systems with Applications,vol：37,Issue：7，Issue date：2010,P:5265–5271.

[3].Tao Wenbing,Jin Hai,Liu Liman,Object segmentation using ant colony optimization algorithm and fuzzy entropy,Pattern Recognition Letters,2007,28,P:788-796.

[4].Ming-Huwi Horng,Multilevel thresholding selection based on the artificial bee colony algorithm for image segmentation,Expert Systems with Applications,2011,38,P:13785-13791.

[5].Xin-She Yang,Bat algorithm for multi-objective optimisation,International Journal of Bio-Inspired Computation,2011,3，P:267-274.

[6].Valentin Osuna-Enciso,Erik Cuevas,Hunberto Sossa,A comparison of nature inspired algorithms for multi-threshold image segmentation,Expert Systems with Applications,2011,40,P:1213-1219.

[7].张小红,宁红梅,基于混沌粒子群和模糊聚类的图像分割算法,计算机应用研究,2011,28,P:4786-4789.

发明内容