[发明专利]一种基于改进鸡群优化算法的多阈值Otsu图像分割方法

权利要求书

1.一种基于改进鸡群优化算法的多阈值Otsu图像分割方法，其特征在于：读取要阈值分割的图像，将多阈值Otsu算法的类间方差作为适应度函数，通过改进的算法能够将定位区域的异物和背景分离开，实现异物检测的功能；具体的步骤包括：

步骤一：读取要阈值分割的图像，实时读取无线充电发射板定位区域预处理后的图像；

步骤二：初始化改进鸡群算法的参数；

步骤三：采取PWLCM混沌映射对鸡群算法种群粒子进行初始化，使其均匀分布在搜索空间内；

步骤四：计算图片的直方图并设置要分割的阈值个数；

步骤五：计算图像的最大类间方差作为鸡群的食物源；

步骤六：采用改进的公式分别对公鸡、母鸡以及小鸡进行位置更新；

引入非线性权重递减策略对公鸡的位置更新进行改进；

引入自适应分数阶G-L对母鸡位置更新公式进行优化并引进分数阶数自适应调整；

在小鸡的位置更新公式中引入向全局最优个体学习的因子，避免陷入局部最优；

步骤七：判断当前食物源是否为最优或达到迭代次数，若是，进行下一步骤，若不是，返回步骤五；

步骤八：输出最大阈值；

步骤九：对图像进行多阈值分割。

2.根据权利要求1所述的一种基于改进鸡群优化算法的多阈值Otsu图像分割方法，其特征在于：步骤三所述的PWLCM混沌映射的计算公式为：

其中，p＝0.4，x(1)＝rand，x(t)为第t次迭代的值。

3.根据权利要求1所述的一种基于改进鸡群优化算法的多阈值Otsu图像分割方法，其特征在于：步骤五所述最大类间方差的计算公式为：

其中，阈值组合为[t₁,t₂,…t_K-1]，将图像分割成K个类别；为分割后各个类别占图像的比例，μ_i为各个类别的平均灰度，μ_T为图像的品海军灰度。

4.根据权利要求1所述的一种基于改进鸡群优化算法的多阈值Otsu图像分割方法，其特征在于：步骤六所述的引入非线性权重递减策略对公鸡的位置更新进行改进，是由于公鸡的适应度值最高，属于各个群体中的最优个体，引入非线性权重递减策略，使得在迭代初期具有较大的权重，更好的遍历整个搜素空间，而在后期保持较小的权重，使得种群具有较好的局部搜索能力收敛到全局最优点；公鸡的位置更新公式为：

x_i,j^t+1＝λ_t*x_i,j^t*(1+Rand(0,σ²)) ， (2)

其中，x_i,j^t+1表示公鸡第t+1次迭代的位置，λ_t表示第t次迭代的权重，x_i,j^t表示公鸡第t次迭代的位置，Rand(0,σ²)表示均值为0，方差为σ²的高斯分布；ε表示一个很小的平衡常数，避免除数为零；s表示所有公鸡中除去第i个个体外的任意一个个体，第i只公鸡的适应度为f_i，随机选取公鸡s的适应度为f_s；t为当前迭代次数，t_max为最大迭代次数，λ_max为初始惯性权值，取值为1.2；λ_min为进化到最大迭代次数时的惯性权值，其取值为0.1；a和b为调整因子，它们的取值范围为a＝30，b＝0.88。