[发明专利]基于交叉变异人工鱼群算法的多阈值图像分割方法

权利要求书

1.一种基于交叉变异人工鱼群算法的多阈值图像分割方法，包括：

(1)输入灰度图像，并提取灰度图像中像素点的个数M×N，任意像素点的灰度值为d_k,k∈[1,M×N]，每个像素点的灰度值取值范围为[0,L-1]，其中M和N分别代表图像中像素点的行和列，L表示为灰度值的级数；

(2)设定分割图像的阈值个数c，从所有灰度值中随机选择c个不同灰度作为一组阈值的可能解，共挑选n组阈值可能解，其中每组阈值的可能解表示为且a≠b≠...≠q,i∈[1,n]；

(3)取(2)中选择的n组阈值可能解，将每组阈值可能解中的灰度值按照从小到大的顺序重新排列，得到排序后的阈值可能解：并将作为人工鱼群体中第i个人工鱼的初始解，其中表示对应的该组阈值可能解中第m个阈值，m∈[1,c]；

(4)获取图像的灰度直方图h，其中所有像素点中灰度值为j的像素点个数h_j,j∈[0,L-1]；

(5)计算(4)中所有h_j占(1)中像素点总数M×N的比例：P_j＝h_j/(M×N)，j∈[0,L-1]；

(6)根据初始解中的c个阈值与(5)中的P_j，计算初始解中c+1个灰度值区间的灰度值概率和ω⁰,按如下步骤进行：

(6a)计算第1个灰度值区间的灰度值概率和：

(6b)计算第r个灰度值区间的灰度值概率和：

(6c)计算第c+1个灰度值区间的灰度值概率和：

其中表示第i个人工鱼初始解的第r个阈值；

(7)根据(5)中的P_j与(6)中ω⁰计算初始解中c+1个灰度值区间的熵H⁰，按如下步骤进行：

(7a)计算第1个灰度值区间的熵：

(7b)计算第r个灰度值区间的熵：

(7c)计算第c+1个灰度值区间的熵：

其中表示第i个人工鱼初始解的第r个阈值；

(8)根据(7)中的初始解的熵H⁰，计算每个人工鱼初始解的适应度保存n个人工鱼初始解中具有最大适应度的一组阈值可能解X_b，得到适应度最大值f(X_b)，分别按如下公式计算：

其中表示第i个人工鱼初始解第λ个灰度值区间的熵，表示第i个人工鱼初始解的适应度；

(9)迭代计算n个人工鱼解：

取t表示当前迭代次数，t∈[0,MaxT]，其中t＝0代表开始迭代前的初始状态，设第i个人工鱼第t次迭代的适应度为MaxT表示迭代总次数，V表示所有人工鱼的视野范围，其迭代步骤如下：

(9a)令t＝1；

(9b)选出第t-1次迭代适应度最高的n₁个和适应度最低的n₂个人工鱼解并将其余人工鱼解更新为

(9c)将(9b)中的n₁个人工鱼解用交叉行为更新为

(9d)计算(9b)中的n₂个人工鱼解到(7)中X_b的欧氏距离如果则使用局部变异行为将更新为否则使用全局变异行为将更新为

(9e)根据所有更新后的中的c个阈值，计算第t次迭代c+1个灰度值区间的灰度值概率和ω^t,按如下步骤进行：

(9e1)计算第1个灰度值区间的像素点概率分布：

(9e2)计算第r个灰度值区间的像素点概率分布：

(9e3)计算第c+1个灰度值区间的像素点概率分布：

其中表示第t次迭代第i个人工鱼解的第r个阈值；

(9f)根据(5)中的P_j与(9e)中ω^t，计算第t次迭代c+1个灰度值区间的熵H^t，按如下步骤进行：

(9f1)计算第1个灰度值区间的熵：

(9f2)计算第r个灰度值区间的熵：

(9f3)计算第c+1个灰度值区间的熵：

其中表示第t次迭代第i个人工鱼解的第r个阈值；

(9g)根据(9f)中得到的熵H^t，计算第t次迭代的每个人工鱼解的适应度按如下公式计算：

其中表示第t次迭代第i个人工鱼解的第λ个灰度值区间的熵；

(9h)将(9g)中的所有适应度与(8)中的适应度最大值f(X_b)进行比较：如果则将适应度最大值更新为将最优的阈值可能解更新为否则，不更新；

(9i)比较t与MaxT的大小，如果t＜MaxT，则令t＝t+1,返回(9b)，否则输出f(X_b)与X_b，执行步骤(10)；

(10)用(9i)中输出的具有最大适应度的一组阈值可能解X_b计算所有像素点的灰度值d'_k，将(1)中的d_k更新为d'_k，输出图像，k∈[1,M×N]。