[发明专利]一种基于仿生寻优机制的二维最大熵孔穴图像分割方法

权利要求书

1.一种基于仿生寻优机制的二维最大熵孔穴图像分割方法，其特征在于，包括如下步骤：

S1：获取图像的二维直方图；

S2：利用果蝇寻优算法求出最佳阈值，具体过程如下：

A1：设置每个果蝇群体有m-1个普通果蝇和1个特殊果蝇，随机初始化果蝇群体的初始化位置(X,Y)，初始搜索步长为R，最大迭代次数为N，为了设置自适应搜索步长引入迭代函数(1)：

其中，n为当前迭代次数；

A2：根据迭代函数(1)得到自适应搜索步长为R_L，果蝇根据该步长R_L和随机方向搜索食物：

X_i＝X+R_xi Y_i＝Y+R_yi

R_xi＝R_L·rand() R_yi＝R_L·rand() i＝0,1,2...m-1 (2)

式中，i为果蝇编号，X_i，Y_i为果蝇个体的位置，R_xi，R_yi为个体果蝇搜寻的路径；

A3：根据果蝇个体的位置坐标计算味道浓度判定值，得到味道浓度判定值为：

A4：定义一个味道浓度判断函数F()，某果蝇个体位置味道浓度Smell表达为：

Smell(i)＝F(S(i)) i＝0,1,2...m (4)

A5：找出果蝇群体中味道浓度最大的果蝇i，记录此时Smell(i)和它的搜索路径R_xi，R_yi，让特殊果蝇m沿着此路径行走一半：

A6：将等式(5)的计算结果带入公式(3)、(4)计算出Smell(m)，将之与Smell(i)比较，选取味道浓度大的记作bettersmell，并将其坐标记录下来，并传给(X,Y)：

A7：从步骤A1开始继续迭代，直到超过迭代次数或者下次迭代取得的最大浓度值小于前一次迭代取得的最大浓度值时，获取此时的坐标；

S3：将步骤A7获取的坐标作为最佳阈值，利用二维最大熵图像分割算法提取孔穴图像。

2.根据权利要求1所述的一种基于仿生寻优机制的二维最大熵孔穴图像分割方法，其特征在于：所述步骤S1中二维直方图的获取过程为：

将原图像灰度化得到灰度图像g(x,y)，再将灰度图像g(x,y)均值滤波得到灰度图像f(x,y)，将X轴设定为g(x,y)的像素灰度级，Y轴设定为f(x,y)的像素灰度级，Z轴设定为像素灰度级出现的次数，组成二维直方图。

3.根据权利要求1所述的一种基于仿生寻优机制的二维最大熵孔穴图像分割方法，其特征在于：所述步骤S3中孔穴图像的提取过程为：

根据二维直方图，将区域A和B分别表示目标和背景像素，区域C和D表示噪声和边缘信息，(s,t)为阈值，使得A和B的信息总熵最大的阈值为最佳阈值，将步骤A7获取的坐标作为最佳阈值，利用二维最大熵图像分割算法提取孔穴图像。

4.根据权利要求3所述的一种基于仿生寻优机制的二维最大熵孔穴图像分割方法，其特征在于：所述步骤S3中二维最大熵图像分割算法的表达式如下：

φ(s,t)＝H_A+H_B (8)

其中，等式(7)为A和B的信息熵，等式(8)为总信息熵，将步骤S2的果蝇算法中的F()替换为等式(8)，即将步骤A7获取的坐标作为最佳阈值，味道浓度最大即总信息熵最大。

5.根据权利要求1所述的一种基于仿生寻优机制的二维最大熵孔穴图像分割方法，其特征在于：所述步骤A3中味道浓度判定值的判定范围为[0，255]。