[发明专利]基于植物根系觅食优化的多阈值金属微滴图像分割方法

说明书

技术领域

本发明属于金属微滴图像处理和计算机视觉技术领域，具体涉及一种基于植物根系觅食优化的多阈值金属微滴图像分割方法。

背景技术

对纳米金属微滴流体特性的研究是基于喷墨打印式的印制电子系统的核心内容。纳米金属微滴流的状态，如液滴体积、流速度、喷射角度等信息，代表了微滴喷射系统的性能指标。但由于纳米金属微滴的流动性特点和明显的团聚、沉淀效应，很难采用常规技术手段直接测量微滴的几何参数(体积、表面积、表面张力、接触角体积等)。因此需要通过图像采集液滴生长过程中的轮廓变化情况，通过图像智能分割与特征提取技术，提取液滴的边缘轮廓，才能计算得到液滴的几何和物理参数。

然而提取微滴图像的计算复杂度是在实际应用中需要关注的一个重要问题，特别是在高清晰度、高速度的微滴射流图像中，图像的灰度、像素都较为庞大，如一个灰度级为256，大小为500×500的图像包含250000个像素。但现如今常用的Otsu法是基于遍历穷举搜索方式的，一旦遇到灰度特征不明显或阈值数目过多的图像分割问题时，阈值的选取成为计算瓶颈，其计算复杂度将呈指数级上升，耗时较多，极大地限制了实际应用。

发明内容

针对现有技术的不足，本发明提出一种基于植物根系觅食优化的多阈值金属微滴图像分割方法。

一种基于植物根系觅食优化的多阈值金属微滴图像分割方法，包括以下步骤：

步骤1：获取待分割的金属微滴流源图像；

步骤2：随机初始化图像分割阈值的根种群G＝{x_i}，初始化各根的营养素浓度设定最大迭代次数LimitC、分支阈值BranchG、向重力性生长的最大值Grow_max、营养素浓度下限阈值Nmority，其中，x_i为根种群中的第i个根，即第i组图像分割阈值，i∈[1，Num]，Num为种群大小；

步骤3：初始化迭代次数Iteration＝0；

步骤4：根据待分割的金属微滴流源图像的灰度直方图和当前图像分割阈值根种群的各根的营养素浓度计算当前图像分割阈值根种群的各根的适应度和生长素浓度

步骤4.1：根据待分割的金属微滴流源图像的灰度直方图采用最大类间方差法计算当前图像分割阈值根种群的各根的适应度

所述根据待分割的金属微滴流源图像的灰度直方图采用最大类间方差法计算当前图像分割阈值根种群的第i个根的适应度的计算公式如下所示：

其中，x_i＝{x_i1，x_i2，...，x_iM-1}为M-1维向量，即将待分割金属微滴流源图像顺序分割成M个类的第i组图像分割阈值，为第k-1类图像像素数占整个图像总像素数的概率，p(j)为待分割金属微滴流源图像中灰度值为j的像素的概率密度，为在待分割金属微滴流源图像中灰度值中灰度x_ik与x_i(k-1)之间的灰度均值，j∈[0，L-1]，为待分割金属微滴流源图像的总像素，k∈[1，M]；

步骤4.2：对当前图像分割阈值根种群的各根的营养素浓度和各根的适应度进行归一化处理，得到归一化后的各根的营养素浓度和归一化后的各根的适应度

步骤4.3：根据当前图像分割阈值根种群的归一化后的各根的营养素浓度和归一化后的各根的适应度计算各根的生长素浓度

所述根据当前图像分割阈值根种群的归一化后的各根的营养素浓度和归一化后的各根的适应度计算第i个根的生长素浓度的计算公式如下：

其中，ξ为在(0，1)之间均匀分布的随机数。

步骤5：根据当前图像分割阈值根种群的各根的生长素浓度将当前图像分割阈值根种群的各根分为主根和侧根：即将当前图像分割阈值根种群的各根的生长素浓度按照从大到小进行排序，并将其中前Sum个根作为主根，执行步骤6，其余根作为侧根，执行步骤7；

步骤6：对当前图像分割阈值根种群的主根进行向水性自生长操作和向重力性自生长操作，更新各主根的适应度和营养素浓度并采用贪心算法计算各主根x_i当前的最优适应度并对满足分支条件的主根进行分支操作，计算当前图像分割阈值根种群的各主根x_i的分支数并确定分支后的各根位置；

步骤6.1：对当前图像分割阈值根种群的主根进行更新：对主根进行向水性自生长操作和向重力性自生长操作；