[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
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 | ||
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。
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。