[发明专利]一种基于粒子群算法的图像边缘检测方法及系统在审

专利信息
申请号: 201810076041.7 申请日: 2018-01-26
公开(公告)号: CN108198197A 公开(公告)日: 2018-06-22
发明(设计)人: 李鹏 申请(专利权)人: 上海康斐信息技术有限公司
主分类号: G06T7/13 分类号: G06T7/13;G06T7/136;G06N3/00
代理公司: 杭州千克知识产权代理有限公司 33246 代理人: 周希良;吴辉辉
地址: 200333 上海市普陀*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像边缘检测 粒子群算法 灰度 求解 图像处理技术 边缘检测 并发 图像 全局
【权利要求书】:

1.一种基于粒子群算法的图像边缘检测方法,其特征在于,包括:

利用粒子群算法求解图像边缘检测的最优灰度阈值;根据所述最优灰度阈值对所述图像进行边缘检测。

其中,在求解时,粒子群算法每次迭代的惯性权重的调整公式为:

式中,ω为调整后的惯性权重,tmax为预设的迭代次数,t为当前的迭代次数,ωmax为预设的最大惯性权重值,ωmin为预设的最小惯性权重值。

2.根据权利要求1所述的基于粒子群算法的图像边缘检测方法,其特征在于,所述利用粒子群算法求解图像边缘检测的最优灰度阈值包括:

S21,设定粒子群算法的参数,以对所述图像应用粒子群算法,获取所述图像边缘检测的最优灰度阈值;

S22,调整粒子群算法的惯性权重;

S23,计算每个粒子的适应度;

S24,根据所述适应度,更新各个粒子的局部最优灰度阈值和粒子群的全局最优灰度阈值;

S25,根据所述惯性权重,更新每个粒子的速度和位置;

S26,检测粒子群算法当前的迭代次数是否到达预设的迭代次数;若没有,返回步骤S22,若达到,确定最优灰度阈值。

3.根据权利要求2所述的基于粒子群算法的图像边缘检测方法,其特征在于,在步骤S23中,所述适应度的计算公式为:

f(t)=w1(t)×w2(t)×(u1(t)-u2(t))2

式中,t为粒子找到的灰度阈值,w1(t)为图像中灰度值小于灰度阈值t的像素的个数,w2(t)为图像中灰度值大于灰度阈值t的像素的个数,u1(t)为图像中的灰度值小于灰度阈值t的像素的平均灰度值,u2(t)为图像中灰度值大于灰度阈值t的像素的平均灰度值。

4.根据权利要求2所述的基于粒子群算法的图像边缘检测方法,其特征在于,在步骤S25中,粒子的速度的更新公式为:

式中,r1和r2是[0,1]区间的随机数;Pi=(pi1,pi2,…,piD)T为当前第i个粒子搜寻到的最优灰度阈值;Pg=(pg1,pg2,…,pgD)T为当前整个粒子群所搜寻到的最优灰度阈值;Vi=(vi1,vi2,…,viD)T为第i个粒子的速度;d取值范围为[1,D],D为边缘个数;k为迭代次数;c1、c2为加速系数。

5.一种基于粒子群算法的图像边缘检测系统,其特征在于,包括:

最优灰度阈值求解模块,用于利用粒子群算法求解图像边缘检测的最优灰度阈值;其中,在求解时,粒子群算法每次迭代的惯性权重的调整公式为:

式中,ω为调整后的惯性权重,tmax为预设的迭代次数,t为当前的迭代次数,ωmax为预设的最大惯性权重值,ωmin为预设的最小惯性权重值。

边缘检测模块,用于根据所述最优灰度阈值对所述图像进行边缘检测。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海康斐信息技术有限公司,未经上海康斐信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810076041.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top