[发明专利]基于具有Lévy飞行特征的蝙蝠算法和大津法的紫外图像分割方法及系统

说明书

本发明公开了一种基于具有Lévy飞行特征的蝙蝠算法和大津法的紫外图像分割方法，其包括步骤：S1：获取待分割的紫外图像；S2:用公式替代蝙蝠算法中的速度和位置更新操作。S3：将大津算法中的类间方差函数作为蝙蝠算法的目标函数，将类间方差函数对应的分割阈值变量作为所述蝙蝠算法中的蝙蝠位置变量；S4：基于所述蝙蝠算法求取目标函数最大时对应的蝙蝠位置，将该蝙蝠位置作为最优分割阈值将所述待分割的紫外图像分割为背景区域和目标区域。此外，本发明还公开了相应的系统。本发明能实现快速地对待分割的紫外图像进行分割。相对于现有的紫外图像阈值分割方法，有效提高了阈值选取速度。

技术领域

本发明涉及紫外图像分割技术，尤其涉及一种基于具有Lévy飞行特征的蝙蝠算法和大津算法的紫外图像分割方法及系统。

背景技术

电力设备紫外图像是黑白图像，具有强度集中和对比度高等特性，传统的图像分割算法往往不能很好地将目标与背景分离。若采用人为圈定感兴趣区域，显然会大大降低智能诊断系统的效率。图像阈值自动选取方法的研究长期以来吸引着众多学者，寻找简单实用、自适应强的阈值自动选取方法是这些研宄者们的共同目标。Otsu在1979年提出的大津算法(也称为最大类间方差法或Otsu方法)一直被认为是阈值自动选取方法的最优方法之一，该方法计算简单，在一定条件下不受图像对比度与亮度变化的影响，因而在一些实时图像处理系统中得到了广泛的应用。

然而，在实际图像中，大津算法虽然分割性能较好，但计算量非常巨大。大津算法虽然有效解决了紫外图像二值化分割过程中阈值选取困难的问题，但在阈值分割速度上往往不能满足后续设备紫外场实时特征提取与分析的需求，再者原始蝙蝠算法法缺乏变异机制，个体容易被局部极值吸引而导致早熟收敛，种群不易保持多样性和算法仿生过程与真实情况有较大差异两个缺陷。

发明内容

本发明的目的之一是提供一种基于具有Lévy飞行特征的蝙蝠算法优化大津算法的紫外图像分割方法及系统，其能快速地对待分割的紫外图像进行分割，从而满足后续设备紫外场实时特征提取与分析的需求。

本发明的目的是通过以下技术方案实现的：

基于具有Lévy飞行特征的蝙蝠算法和大津法的紫外图像分割方法，其特征在于：

包括如下步骤：

步骤S1：获取待分割的紫外图像；

步骤S2:改进算法中用式来替代原算法中的速度和位置更新操作，其中表示蝙蝠i在t次搜寻中的空间位置，x^*表示在当前群体中最佳蝙蝠所处位置，L_evy(λ)表示跳跃步长服从L_evy分布的随机搜索向量，λ(1≤λ≤3)为尺度参数，代表矢量运算；

步骤S3：将大津算法中的类间方差函数作为蝙蝠算法的目标函数，将所述类间方差函数对应的分割阈值变量作为所述蝙蝠算法中的蝙蝠位置变量；

步骤S4：基于所述蝙蝠算法求取目标函数最大时对应的蝙蝠位置，将该蝙蝠位置作为最优分割阈值将所述待分割的紫外图像分割为背景区域和目标区域。

进一步，所述步骤S3中还对所述蝙蝠算法的参数进行初始化，所述蝙蝠算法的参数包括蝙蝠参数、飞行尺度参数和迭代参数或搜索精度。

进一步，所述蝙蝠参数包括蝙蝠的初始位置、初始速度、跳跃步长L_evy(λ)。

进一步，所述蝙蝠参数还包括但不限于：蝙蝠的初始脉冲频度r⁰、脉冲频度增加系数θ、初始响度A⁰最小声波频率fmin以及最大声波频率fmax，设置蝙蝠数目m个体i,最大脉冲频度r_i和最大脉冲音强A_i、频度增加系数ε、响度衰减系数ζ、Lévy飞行尺度参数λ、最大迭代次数N_max或搜索精度α。