[发明专利]多阈值图像的二维分割方法

权利要求书

1.一种多阈值图像的二维分割方法，其特征在于，包括以下步骤：

步骤1：输入需要分割的图像，初始化阈值分割水平Level；

步骤2：将输入图像灰度化，获得对应的灰度图像，并利用非局部均值滤波的方式获得非局部均值图像；

步骤3：初始化参数即黏菌算法的种群大小Popsize以及最大迭代次数max_t；

步骤4：初始化黏菌种群X_i(i＝1，2，...，n)

步骤5：计算所有黏菌的适应度值，即Kapur熵；

步骤6：确定最优黏菌位置和适应度值；

步骤7：通过公式1，计算黏菌的权重

其中，S(i)表示黏菌的适应度值，condition表示S(i)中位于总体前半部分的黏菌个体，others表示S(i)中位于总体前半部分之外的黏菌个体，r表示(0，1)之间的一个随机数，bF和wF分别表示当前迭代中获得的最优适应值和最差适应值；

步骤8：根据黏菌的位置更新方式的数学模型，如公式2所示，完成每一个黏菌的第一次位置更新；

其中，表示更新后的黏菌位置，rand表示(0，1)之间的一个随机数，UB表示搜索空间的上界，LB表示搜索空间的下界；z表示(0，1)之间的一个数，用于决定黏菌的位置更新方式；表示当前最优黏菌个体，的范围是[-a，a]，a由计算得到，表示该黏菌的权重，和分别表示两个随机选择的黏菌个体，r表示(0，1)之间的一个随机数，p由tanh|S(i)-DF|计算得到，DF表示最优适应度值，从1线性减小到0，t表示当前迭代次数，表示当前黏菌个体；

步骤9：在黏菌第一次位置更新的基础上，根据人工蜂群的位置更新方法，如公式3所示，再一次进行每一个黏菌的位置更新；

其中，表示新的食物源i的第j个位置向量，表示最差食物源的第j个位置向量，表示最佳食物源的第j个位置向量，rand表示(0，1)之间的一个随机数；

步骤10：检查是否满足条件t＜max_t，若满足t＜max_t则返回步骤3继续迭代，否则结束迭代；

步骤11：将最优黏菌位置和适应度值作为最优阈值和最大Kapur熵返回；

步骤12：利用得到的最优阈值对图像进行分割。

2.根据权利要求1所述的多阈值图像的二维分割方法，其特征在于，通过非局部均值图像和灰度图像，生成相应的非局部均值二维直方图。

3.根据权利要求2所述的多阈值图像的二维分割方法，其特征在于，在所述二维直方图中，其主对角线包含的图像信息量最大，计算主对角线上n个子区域的Kapur熵

其中，s，t分别表示非局部均值图像和灰度图像中的不同的灰度值水平。

4.根据权利要求3所述的多阈值图像的二维分割方法，其特征在于，将Kapur熵作为目标函数，使最大化的阈值集合{t₁，t₂，...，t_n-1}为最优阈值。