[发明专利]一种基于人工黏菌群体智能的图像分割方法

权利要求书

1.一种基于人工黏菌群体智能的图像分割方法，其特征在于，包括以下步骤：

步骤1，进行待分割图像的初始化；

步骤2，进行黏菌群体参数的初始化；

步骤3，黏菌群体扩张寻找图像分割区域；

步骤4，黏菌群体互相学习分割区域信息；

步骤5，更新黏菌群体信息；

步骤6，黏菌群体评估图像全局分割区域；

步骤7，输出黏菌群体对图像分割结果。

2.根据权利要求1所述的方法，其特征在于，在步骤1中，在进行待分割图像的初始化时，为每个图像像素点设置不同营养浓度；整个待分割图像归类为未分割区域，为待分割图像构造一个描述灰度值等信息的特征向量,将灰度图像中的每一个像素点看成是一个数据样本,将该点灰度值处理后构成的信息特征向量,形成具有三维特征的数据集。

3.根据权利要求2所述的方法，其特征在于，所述步骤1包括以下具体步骤：

子步骤1-1，将食物源定义为待分割图像聚类中心的集合；给定待分割的原始图像X,每个像素点X_i(i＝1,2,…n)看作是黏菌群体的未分割区域食物源集合C中的一个节点，即每个食物源是以灰度、梯度和邻域为特征的三维向量，即每个像素点都以待分割的信息作为食物源的参考依据；未分割区域为C＝{X_i}(i＝1,2,...,n)；

子步骤1-2，设置邻域像素点数量；对于任何一个待分割的二维图像，除了边缘像素点外，每个像素点都有8个邻域像素点；进一步地，可以初始化为邻域像素点数量为8，即包括该像素点周围8个相邻的所有像素点；进一步地，也可以根据算法应用的需要，选择邻域像素点数量为4，即仅包括该像素点上下左右4个相邻的所有像素点，但不包括相邻4个角上的像素点；

子步骤1-3，为待分割图像的每个像素点设置邻域一致性分量；待分割图像像素点邻域内的灰度分布和非像素点邻域内的灰度分布不同，像素点邻域内灰度分布差异较大，设待分割图像当前像素点编号为k＝1,2,…N,其坐标为(i,j),灰度值为gray(i,j)，以其为中心的邻域Ne＝{(x,y)||x-i|≤L,|y-i|≤L}中,L是邻域长度的一半,过中心点(i,j)以方向θ_k将该邻域分成两个部分K_Ne1和K_Ne2，其中,0°≤θ_k≤180°，定义待分割图像像素点的邻域一致性分量为Ne(i,j)＝max{|Gray_k1-Gray_k2|}，k＝1,2,…N，其中中,Gray_k1，Gray_k2分别为待分割图像在方向θ_k两侧的灰度平均值；

子步骤1-4，为待分割图像的每个像素点设置结构性分量；设待分割图像第k＝1,2,…N个像素点的坐标为(i,j),以其为中心的邻域可描述为Ne(i,j)＝max{|Gray_k1-Gray_k2|}中，L是邻域长度的一半，l_θ是过中心点且角度为θ的一条直线,则定义像素点(i,j)结构性分量为其中，gray(m,n)表示像素点(i,j)邻域座标为(m,n)的像素点处的梯度幅值；

子步骤1-5，为待分割图像的每个像素点设置方向性分量；设待分割图像第k＝1,2,…N个像素点的坐标为(i,j),在以其为中心的邻域Ne＝{(x,y)||x-i|≤L,|y-i|≤L}中,L是邻域长度的一半,l_θ是过中心点且角度为θ的一条直线，l_θ将该邻域分成两部分K_V1和K_V2，则定义像素点(i,j)方向性信息测度分量为其中分别表示座标为(m,n)的像素点处位于两部分K_V1和K_V2的梯度幅值之和；

子步骤1-6，将待分割图像的每个像素点描述为三维向量C_j(V,G,Ne),j＝1,2…n；即将待分割图像的食物源可使用聚类中心表示为C_j(V,G,Ne),j＝1,2…n，描述各个像素点的不同待分割特征，依次计算所有k＝1,2,…N个像素点，完成待分割图像所有像素点的初始化；

子步骤1-7，设置迭代总次数T；参数T的设置与待分割图像大小和分割精度有关，图像越大，精度要求越高，则T越大；反之，则T越小。