[发明专利]一种图像阈值分割方法及装置

权利要求书

1.一种图像阈值分割方法，其特征在于，所述方法包括：

步骤一：获取待分割图像中目标区域的先验概率和待分割图像中背景区域的先验概率；

步骤二：根据目标区域的先验概率、背景区域的先验概率以及预设的阈值选取函数，利用NBAS算法计算最佳阈值；具体包括：

利用阈值选取函数S(t,s)＝S_k(O)K(B)+S_k(B)K(O)求取阈值，并将所求取的阈值中的最大值作为最优值；其中，

k为可调参数，且k∈(0,1)；S_k(O)、K(B)、S_k(B)及K(O)为中间项；

且，

其中，P_O为P_O(t,s)的简写；

其中P_B为P_B(t,s)的简写；

利用公式获取最佳阈值向量，其中，

(t^*,s^*)为最佳阈值向量；argmax{S(t,s)}表示当S(t,s)取最大值时，(t,s)的取值；

所述利用NBAS算法计算最佳阈值，包括：

步骤21)：利用公式计算对于天牛朝向的随机向量dir，其中，n表示搜索空间的维度，rand(n,1)表示n维(0,1)间的随机向量，norm()为归一化函数；

步骤22)：利用公式计算主个体的左须二维坐标位置x_l和右须二维坐标x_r，其中，

其中x为随机生成的当前主个体位置，且x＝(t,s)，d₀为预设的常数；

步骤23)：根据主个体的左须二维坐标位置x_l以及右须二维坐标x_r，利用公式，S(t,s)＝S_k(O)K(B)+S_k(B)K(O)分别计算左须的适应度值S_l＝S(x_l)和右须的适应度值S_r＝S(x_r)；

步骤24)：利用公式x₁＝x-step*dir*sign(S_l-S_r)更新当前主个体位置，其中x为当前主个体位置，x₁为更新后的主个体位置，sign()为符号函数；

步骤25)：根据所述更新后的主个体位置，利用阈值选取函数获取更新后的主个体函数值S₁＝S(x₁)

步骤26)：利用公式计算二进制辅个体的左须速度项v′_l和右须速度项v′_r；

步骤27)：利用公式分别计算左须的二进制位置坐标x′_l，利用公式计算右须的二进制位置坐标x′_r，其中，

Sig()表示Sigmoid函数，rand()表示随机值；

步骤28)：利用公式阈值选取函数分别计算左须的二进制函数值S_l′＝S(x_l′)和右须的二进制函数值S_r′＝S(x_r′)；

步骤29)：根据左须的二进制函数值以及右须的二进制函数值，利用公式v₁＝ω*v′+c₁*step'*dir*sign(S_l′-S_r′)更新二进制辅个体的初始速度项，其中，

v₁为更新后的辅个体的速度项，v′为当前辅个体更新前的速度项；c₁为预设的常数，ω为惯性因子，且ω＝ω_max-(ω_max-ω_min)*t/M，ω_min为惯性因子最小值，ω_max为惯性因子最大值，t为当前迭代次数，M为最大迭代次数；step′为辅个体的初始步长；

步骤210)：利用公式更新辅个体的位置，利用公式S(t,s)＝S_k(O)K(B)+S_k(B)K(O)计算更新后辅个体的函数值S₂＝S(x₂)；

步骤211)：对更新后的主个体位置x₁的函数值S₁和更新后的辅个体位置x₂的函数值S₂进行比较选择，选择较大值为当前最优函数值S，并得到对应于所述最优函数值的坐标x'作为主个体的当前坐标；

判断当前次迭代对应的迭代次数是否大于或者等于最大迭代次数M；

若是，将主个体的当前坐标x'作为最佳阈值向量(t^*,s^*)，将当前最优函数值S作为历史最优值Sbest；

若否，利用公式step₁＝step*eta更新主个体的步长，其中，

step为当前主个体步长，eta为主个体步长迭代因子，step₁为更新后的主个体步长；并利用公式step₁'＝step'*eta'更新辅个体步长，其中，step'为当前辅个体步长，step₁'为更新后的辅个体步长，eta'为辅个体步长迭代因子；

返回执行步骤21)，直到达到最大迭代次数M为止；

步骤三：以最佳阈值为边界，获取分割后的图像。