[发明专利]一种基于灰狼优化算法的图像分割方法及系统

说明书

本发明公开了一种基于灰狼优化算法的图像分割方法及系统，包括：步骤S100获取待分割图像的灰度值范围；步骤S200根据所述图像的灰度值范围利用灰狼优化算法得到待分割图像的最佳阈值；步骤S300根据所述图像分割的最佳阈值，对待分割图像进行分割。本发明对于解决多阈值图像分割的问题，具有不依赖先验知识、有较强自适应能力及高效率运行的特点。

技术领域

本发明属于图像处理的领域，具体涉及一种基于灰狼优化算法的图像分割方法及系统。

背景技术

在日常生活中，人们往往对图像中的某些部分感兴趣，这些感兴趣的部分一般对应图像中特定的、具有独特性质的区域。而图像分割的目的就是将图像分割成各具特性的区域并提取出感兴趣目标的过程。近年来，对图像分割的研究一直是图像处理技术研究中的热点，人们对其关注和投入不断提高，它是图像处理过程中的一个重要步骤。

阈值分割法因实现简单、运算效率高而成为一种有效的图像分割方法，其中阈值的确定是阈值法图像分割的关键。

并行区域分割技术是一种阈值分割法，对于一幅灰度图像，该技术会根据预先确定的一个处于图像灰度取值范围的灰度阈值将所有像素归为两大类，灰度值大于阈值的像素为一类，灰度值小于阈值的像素为一类，灰度值等于阈值的像素可视情况归为前面两类中的任意一类。通常情况下，两类像素分属于图像中的两类区域，从而根据阈值分类完成了对图像的分割。但该技术需要基于先验知识来确定图像中的灰度阈值，先验知识往往是基于以往的经验总结出来的，并不能很好地适应不同的情况，其处理结果很大程度上依赖预设的灰度阈值，因此并行区域分割技术的自适应性和稳定性往往不尽人意。

传统的OTSU(最大类间方差)阈值法，因其算法简单、稳定，被广泛应用于把图像分割成目标和背景区域的图像分割处理中。在实际应用中，由于图像往往包含多类目标，只进行单阈值的图像分割，已不能满足需求，需要进行多阈值分割。传统的OSTU法能够容易的推广到多阈值分割的情况，但是时间复杂度大，算法执行时间过长，无法满足图像分割对实时性的要求。因此需要一种不依赖先验知识、具有较强的自适应、又能够高效快捷的求解多阈值图像分割问题的方法。

发明内容

本发明为了解决上述技术问题，提出了一种基于灰狼优化算法的图像分割方法及系统，不仅不依赖先验知识，而且具有较强的自适应能力，具有较高的运行效率。

一种基于灰狼优化算法的图像分割方法，包括：步骤S100获取待分割图像的灰度值范围；步骤S200根据所述图像的灰度值范围，采用灰狼优化算法得到图像分割的最佳阈值；步骤S300根据所述图像分割的最佳阈值，对待分割图像进行分割。其中步骤S200具体步骤如下：

步骤S210：根据所述图像的灰度值范围，初始化N,dim,t等参数以及第一代灰狼群体X＝(X₁,X₂,...,X_N)，得到第一代狼群中每个灰狼的位置X_i＝(x_i1,x_i2,...,x_idim)^T,(i＝1,2,...,N)，其中，N表示灰狼群体中灰狼的数量，一般设为10,dim表示参数的个数，这里设为1，t表示迭代次数，一般设为100；

步骤S220：将第一代狼群作为当前狼群，并设置当前迭代次数为1；

步骤S230：判断所述的所有灰狼的位置是否超过了搜索空间(即灰度值范围)；

步骤S231：若灰狼位置超出搜索空间最大值，则使其回到搜索空间的最大值；

步骤S232：若灰狼位置超出搜索空间最小值，则使其回到搜索空间的最小值；

步骤S233：若否，则不调整灰狼的位置；

步骤S240：根据每个灰狼的位置计算其对应的适应度函数值f_i；