[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

说明书

一种基于改进鸡群优化算法的多阈值Otsu图像分割方法，通过PWLCM混沌映射对鸡群算法种群个体进行初始化，使其均匀分布在搜索空间内。通过引入非线性权重递减策略对公鸡的位置更新进行改进，使得在初期较好的遍历整个搜索空间，后期具有更好的局部收敛性。通过分数阶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，增强算法跳出局部最优解的能力。考虑到小鸡的适应度较差，学习空间较大，对其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。本发明通过改进的鸡群算法能够解决Otsu进行多阈值分割时存在运行时间长和精度低的问题，使其能够获得更准确的阈值和分割效率，使得异物检测的时效性更高效。

技术领域

本发明涉及图像分割技术领域，具体涉及一种基于改进鸡群优化算法的多阈值Otsu图像分割方法。

背景技术

在利用机器视觉进行异物检测时，如何快速将采集的图片中的异物与背景分离开是一个关键的技术，并且对实时性要求较高。图像分割作为计算机视觉中的重要部分，以及图像分割的复杂性一直都是国内外专家学者研究的重要方向。到目前为止，还没有一个共同面向所有图像的分割方法，但已经产生了相当多的研究成果和方法。

Otsu分割方法由Nobuyukiotsu提出，研宄了一种利用图像的类间方差的最大值对其最优阈值进行自动选择的算法。其主要思想是利用图像的灰度特性把图像的目标和背景分离。类间方差越大说明图像的背景和目标的像素差异越大，阈值的选取更为准确，图像分割的效率与效果就越好。

阈值法的最佳阈值是通过图像的像素值设定的，这造成了在使用阈值法时需要选择目标与背景像素具有明显的差异的图像才会取得较好的分割效果，对于那些背景像素分布丰富、目标像素区域较多、存在噪声干扰的图像而言，此方法的分割效果会明显降低。并且运算速度大大加长，效率变低，不利于实时性要求。所以，在面对多阈值分割时，如何在确保准确性的情况下提高效率是一个不容忽视的问题，也是一个值得研究的的问题。

发明内容

针对上述的技术问题，本技术方案提供了一种基于改进鸡群优化算法的多阈值Otsu图像分割方法，改进的鸡群算法能够解决Otsu进行多阈值分割时存在运行时间长和精度低的问题，使其能够获得更准确的阈值和分割效率，使得异物检测的时效性更高效；能有效的解决上述问题。

本发明通过以下技术方案实现：

一种基于改进鸡群优化算法的多阈值Otsu图像分割方法，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。