[发明专利]应用混合和声搜索算法的椭圆检测方法

摘要

本发明公开了一种应用混合和声搜索算法的椭圆检测方法，本发明在和声搜索算法的音调扰动过程中利用和声库中最优个体的有益信息来指导算法的搜索方向，加快椭圆检测的速度；同时，在搜索过程中执行邻域搜索策略，进一步提高算法的性能，从而提高椭圆检测的精度。通过在搜索过程中得到的最优个体，即可获取数字图像中的椭圆。本发明能够加快椭圆检测的速度，提高椭圆检测的精度。

主权项

1.一种应用混合和声搜索算法的椭圆检测方法，其特征是：包括以下步骤：步骤1，利用数字图像传感器采集一幅图像EI，并令IW为图像EI的长度，令IH为图像EI的宽度，然后对图像EI进行边缘检测，再对边缘检测得到的图像执行二值化操作得到二值图像DI，其中像素值为1表示边缘像素，像素值为0表示非边缘像素；步骤2，用户初始化参数，所述初始化参数包括和声库大小Popsize，记忆库学习率HMCR，音调扰动率PAR，最大评价次数MAX_FEs；步骤3，当前演化代数t＝0，当前评价次数FEs＝0；步骤4，随机产生初始和声库其中个体下标i＝1,2,...,Popsize；并且为和声库P_t中的第i个个体，其中存储了椭圆中心坐标的横坐标值，存储了椭圆中心坐标的纵坐标值，存储了椭圆的长半轴长度，存储了椭圆的短半轴长度；步骤5，计算和声库P_t中每个个体的适应值其中个体下标i＝1,2,...,Popsize；步骤6，令当前评价次数FEs＝FEs+Popsize，然后令搜索空间的下界LB＝[0 0 0 0]，搜索空间的上界UB＝[IW IH IW×0.5 IH×0.5]；步骤7，找出和声库Pt中的最优个体，并将其保存到当前最优个体Bestt；步骤8，执行基于最优个体的音调扰动策略产生一个试验个体Ut，并计算试验个体Ut的适应值Fit(Ut)，具体步骤如下：步骤8.1，令计数器j＝1；步骤8.2，在[0,1]之间随机产生一个实数r1，如果r1小于记忆库学习率HMCR，则转到步骤8.3，否则转到步骤8.7；步骤8.3，在[1，Popsize]之间随机产生两个互不相等的正整数RI1和RI2，并令步骤8.4，在[0,1]之间随机产生一个实数r2，如果r2小于音调扰动率PAR，则转到步骤8.5，否则转到步骤8.8；步骤8.5，令搜索系数W1＝rand(0,1)，搜索系数W2＝rand(0,1)，搜索系数W3＝1.0‑W1‑W2，然后令其中rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数；如果大于255或者小于0，则令否则保持值不变；步骤8.6，转到步骤8.8；步骤8.7，令步骤8.8，令计数器j＝j+1，如果计数器j小于或等于4，则转到步骤8.2，否则转到步骤8.9；步骤8.9，计算试验个体Ut的适应值Fit(Ut)，转到步骤9；步骤9，采用邻域搜索策略产生试验个体Ut的邻域个体NUt，并计算邻域个体NUt的适应值Fit(NUt)，具体步骤如下：步骤9.1，令计数器j＝1；步骤9.2，如果计数器j小于或等于4，则转到步骤9.3，否则转到步骤9.8；步骤9.3，令搜索系数W1＝rand(0,1)；步骤9.4，令搜索系数W2＝rand(0,1)；步骤9.5，令搜索系数W3＝1.0‑W1‑W2，然后在[1，Popsize]之间随机产生的一个正整数RI3；步骤9.6，令步骤9.7，令计数器j＝j+1，转到步骤9.2；步骤9.8，计算邻域个体NUt的适应值Fit(NUt)，转到步骤10；步骤10，令BUt为试验个体Ut及其邻域个体NUt两者中适应值最优个体；步骤11，令当前和声库中适应值最差个体的下标为WorstI；步骤12，按以下公式在当前和声库的最差个体与个体两者之间选择出更优个体进入下一代和声库：步骤13，当前评价次数FEs＝FEs+2；步骤14，找出和声库Pt中的最优个体，并将其保存到Bestt；步骤15，当前演化代数t＝t+1；步骤16，重复步骤8至步骤15直至当前评价次数FEs达到MAX_FEs后结束，通过执行过程中得到的最优个体Bestt就可获得的检测到的椭圆中心坐标的横坐标值、椭圆中心坐标的纵坐标值、椭圆的长半轴长度、椭圆的短半轴长度。