[发明专利]一种基于多分辨率搜索粒子群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多分辨率搜索粒子群算法的图像分割方法及系统，所述方法包括：计算待分割图像的灰度直方图；根据所述灰度直方图，利用多分辨率搜索的粒子群算法获取最优灰度阈值；根据所述最优灰度阈值对所述待分割图像进行分割。本发明通过采用多分辨率搜索的粒子群算法进行多阈值图像分割，在分辨率较低时能够大大缩小搜索空间的范围，从而使得算法需要很少的迭代次数便能够收敛，而调高分辨率后的搜索是在原有优秀解的基础上开展，这大幅提升了求解的效率；本发明采用了标准粒子群和合作粒子群算法配合搜索，实现粗略搜索和精细搜索的结合，从而增强算法的搜索能力，进而有效提升了优化算法在求解图像多阈值分割问题中的优化效果。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种基于多分辨率搜索粒子群算法的图像分割方法及系统。

背景技术

人类从外部获取信息，绝大部分是通过视觉，而通过视觉获得的信息主要包括各类图像和视频等，因此相应的图像图形处理对于人类的信息交换具有重要的意义。

图像特征提取和识别等的前期重要处理包括图像分割，对图像进行分割后，才能有效开展后期的图像分析和图像理解等工作。图像分割有多种方法，其中的阈值分割法因实现简单、运算效率高而成为一种被广泛使用的图像分割方法，而阈值的确定是阈值分割法的最终分割效果的关键，然而要在图像的全灰度范围内搜索一个最佳的多阈值组合，采用穷举搜索的效率非常低。

现有的基于最大类间方差等各种准则的阈值分割方法，采用了包括遗传算法、蚁群算法、粒子群算法等启发式算法来搜索满足相应准则的搜索方法，这样虽然不一定能搜索到全局最优解，但是能以较少的时间得到一个次优解，这在大部分应用中都是可以接受的。然而目前基于这些启发式算法的多阈值分割方法存在着或收敛速度慢，或容易早熟收敛等缺陷。现有技术有的采用了较为被广为接受的分割准则(如OTSU)，但是采用的变异策略的随机性太强，虽然具有一定跳出局部最优的可能，但是这跟随机搜索的区别并不大，对于算法的效率来说提升空间并不大。还有的现有技术虽然采用了一种自适应调整的惯性权重方法，但是实际上惯性权重对于粒子群算法的影响有限，只要是逐渐减小的，其效果与标准粒子群算法相比差异不大。

综上，现有的优化算法在求解图像多阈值分割问题中存在着优化效果不佳的问题。

发明内容

本发明实施例提供了一种基于多分辨率搜索粒子群算法的图像分割方法及系统，能够通过提升算法在进行图像多阈值分割时的搜索效率，从而提升优化算法在求解图像多阈值分割问题中的优化效果。

为了解决上述技术问题，本发明实施例提供了一种基于多分辨率搜索粒子群算法的图像分割方法，包括：

计算待分割图像的灰度直方图；

根据所述灰度直方图，利用多分辨率搜索的粒子群算法获取最优灰度阈值；

根据所述最优灰度阈值对所述待分割图像进行分割。

进一步地，所述利用多分辨率搜索的粒子群算法获取最优灰度阈值，具体包括：

设定算法的搜索阶段个数为S；其中，S≥2；

在第一搜索阶段，利用标准粒子群算法以预设的第一分辨率进行搜索并计算得到第一最优值；

在第j搜索阶段，基于第j-1搜索阶段计算所得的最优值，采用合作粒子群算法以预设的第j分辨率进行搜索，得到所述第j分辨率下的最优阈值；其中，S≥j≥2；

重复上一步骤，在完成第S搜索阶段之后，根据所述第S搜索阶段计算所得的最优值获取最优灰度阈值。

进一步地，所述分辨率为随所述搜索阶段的增加而提高。

为了解决相同的技术问题，本发明还提供了一种基于多分辨率搜索粒子群算法的图像分割系统，包括计算模块、最优阈值获取模块和图像分割模块；