[发明专利]基于改进差分进化粒子群算法的煤尘重叠颗粒分离方法

摘要

本发明公开了一种基于改进差分进化粒子群算法的煤尘重叠颗粒分离方法，包括步骤一、图像处理器调用二值化图像处理模块对煤粉尘图像进行二值化处理，得到煤粉尘二值化图像；二、图像处理器调用形状特征系数计算模块计算出煤粉尘二值化图像的形状特征系数并根据形状特征系数确定出存在煤尘重叠颗粒的煤粉尘二值化图像；三、图像处理器调用边缘特征点定位模块定位得到煤尘重叠颗粒图像的边缘曲线的特征点；四、图像处理器调用重叠颗粒交点提取模块提取出特征点中的重叠颗粒交点；五、图像处理器调用煤尘重叠颗粒分离模块并采用改进的差分进化粒子群算法进行煤尘重叠颗粒分离。本发明提高了煤尘重叠颗粒分离精度，鲁棒性好，适应性强，使用效果好。

主权项

一种基于改进差分进化粒子群算法的煤尘重叠颗粒分离方法，其特征在于，该方法包括以下步骤：步骤一、图像处理器调用二值化图像处理模块对获取到的煤粉尘图像进行二值化处理，得到煤粉尘二值化图像，煤粉尘二值化图像中，目标区域的标记为1，背景区域的标记为0；步骤二、图像处理器调用形状特征系数计算模块计算出煤粉尘二值化图像的形状特征系数φs，并将的煤粉尘二值化图像确定为存在煤尘重叠颗粒的煤粉尘二值化图像；其中，为煤粉尘二值化图像存在煤尘重叠颗粒的形状特征系数阈值；步骤三、图像处理器调用边缘特征点定位模块定位得到存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的特征点；步骤四、图像处理器调用重叠颗粒交点提取模块提取出步骤三中定位得到的煤尘重叠颗粒图像的边缘曲线的特征点中的重叠颗粒交点；步骤五、图像处理器调用煤尘重叠颗粒分离模块并采用改进的差分进化粒子群算法进行煤尘重叠颗粒分离，具体过程为：步骤501、在每相邻两个重叠颗粒交点之间的特征点中随机抽取6个，对每相邻两个重叠颗粒交点之间的特征点进行椭圆拟合，得到椭圆的表达式ax2+bxy+cy2+dx+ey+h＝0中的6个参数a、b、c、d、e、h的一组值；步骤502、将差分进化粒子群的位置矩阵X初始化为：X=x11x12x13x14x15x16x21x22x23x24x25x26..................xN1xN2xN3xN4xN5xN6]]>其中，x1j(j＝1,2,3,4,5,6)为步骤501中得到的椭圆的表达式中的6个参数a、b、c、d、e、h的一组值，xij(i＝2,3,…,N；j＝1,2,…,6)＝x1j×[1+0.1×rand()]，rand()为均匀分布在(0,1)上的随机数，N为种群规模；步骤503、对于差分进化粒子群的位置矩阵X中的第i行粒子对应的椭圆，根据公式计算得到椭圆的中心坐标(xi,0,yi,0)，并计算进行椭圆拟合的相邻两个重叠颗粒交点之间的各个特征点距离椭圆中心坐标(xi,0,yi,0)的距离，当距离小于匹配点选择距离阈值dp时，将特征点判断为匹配点，并将匹配点个数作为第i行粒子的适应度函数值；依次取i＝1,2,…,N，计算各行粒子的适应度函数值，并在每次计算时，将适应度函数值大的粒子的适应度函数值定义为粒子当前最优位置，且在计算完N次后，将适应度函数值最大的粒子的适应度函数值定义为粒子群全局最优位置；步骤504、通过公式xij(n+1)＝xij(n)+λFi(n)(Pg(n)‑xij(n))+(1‑λ)Fi(n)(Pi(n)‑xij(n))+Fi(n)(xij(n)‑xi+1,j(n))对差分进化粒子群的位置矩阵X进行更新，其中，xij(n)为迭代次数为n时差分进化粒子群中第i行第j列位置处的粒子，xij(n+1)为迭代次数为n+1时差分进化粒子群中第i行第j列位置处的粒子，λ为惯性系数且λ＝λmin+n×(λmax‑λmin)/nmax，n为迭代次数且取值为1～nmax的自然数，λmin为最小惯性系数，λmax为最大惯性系数，nmax为总迭代次数；Fi(n)为缩放系数且Fmin为最小缩放系数，Fmax为最大缩放系数；Pi(n)为迭代次数为n时的粒子当前最优位置，Pg(n)为迭代次数为n时的粒子群全局最优位置；xi+1,j(n)为迭代次数为n时差分进化粒子群中第i+1行第j列位置处的粒子；步骤505、定义第一次执行步骤502时的迭代次数n为1，逐一增大n，重复执行步骤503～504，直到迭代次数n达到nmax后执行步骤506；步骤506、将最后一次迭代确定出的粒子群全局最优位置对应的椭圆的6个参数确定为最终进行椭圆拟合的椭圆的表达式ax2+bxy+cy2+dx+ey+h＝0中的6个参数a、b、c、d、e、h；步骤507、绘制椭圆并通过椭圆曲线将煤尘重叠颗粒分离，每个椭圆曲线内都围有一个分离出来的单个煤尘颗粒；步骤二中图像处理器调用形状特征系数计算模块计算出煤粉尘二值化图像的形状特征系数φs的具体过程为：步骤201、图像处理器累加标记为1的目标区域中像素的个数，并将累加值确定为煤粉尘二值化图像的面积A；步骤202、图像处理器调用图像周长计算模块计算出煤粉尘二值化图像的周长C，具体过程为：步骤2021、假设煤粉尘二值化图像区域边界的链码为{a1a2a3…aτ}，其中，序列a1a2a3…aτ表示从一个起始点开始将煤粉尘二值化图像区域边界的走向按链码编码方式记录下来，τ为编码总个数且取值为大于1的自然数；步骤2022、将第q个码段aq所表示的线段长度表示为ΔCq，图像处理器根据公式计算出煤粉尘二值化图像的周长C，其中，neq为第q个码段aq中的偶数码段数，le为第q个码段aq中的偶数码所表示的线段的长度；noq为第q个码段aq中的奇数码段数，lo为第q个码段aq中的奇数码所表示的线段的长度；q的取值为1～τ的自然数；步骤203、图像处理器根据公式φs＝4πA/C2计算出煤粉尘二值化图像的形状特征系数φs；步骤三中图像处理器调用边缘特征点定位模块定位得到存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的特征点的具体过程为：步骤301、找出存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的断点，并删除共线点，具体过程为：步骤3011、将存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘轮廓用H个轮廓点表示为P＝{p1,p2,…,pH}；其中，H为大于100的自然数；步骤3012、根据公式计算H个轮廓点中第k个轮廓点pk(xk,yk)到它的前一个轮廓点pk‑1(xk‑1,yk‑1)与后一个轮廓点pk+1(xk+1,yk+1)连成的直线的距离dk；其中，k的取值为1～H的自然数，xk为第k个轮廓点pk(xk,yk)的横坐标，yk为第k个轮廓点pk(xk,yk)的纵坐标；xk‑1为第k个轮廓点pk(xk,yk)的前一个轮廓点pk‑1(xk‑1,yk‑1)的横坐标，yk‑1为第k个轮廓点pk(xk,yk)的前一个轮廓点pk‑1(xk‑1,yk‑1)的纵坐标；xk+1为第k个轮廓点pk(xk,yk)的后一个轮廓点pk+1(xk+1,yk+1)的横坐标，yk+1为第k个轮廓点pk(xk,yk)的后一个轮廓点pk+1(xk+1,yk+1)的纵坐标；步骤3013、比较dk与断点选择距离阈值dt，当dk>dt时，将第k个轮廓点pk(xk,yk)判断为存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的断点并保留，当dk≤dt时，将第k个轮廓点pk(xk,yk)判断为存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的共线点并删除；步骤302、采用迭代法从存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的断点中定位特征点，具体过程为：步骤3021、设定特征点选择距离阈值dz；步骤3022、根据公式计算步骤3013中判断出的断点中第r个断点pr(xr,yr)到它的前一个断点pr‑1(xr‑1,yr‑1)与后一个断点pr+1(xr+1,yr+1)连成的直线的距离dr；其中，r的取值为1～M的自然数，M为步骤3013中判断出的断点的总数；xr为第r个断点pr(xr,yr)的横坐标，yr为第r个断点pr(xr,yr)的纵坐标；xr‑1为第r个断点pr(xr,yr)的前一个断点pr‑1(xr‑1,yr‑1)的横坐标，yr‑1为第r个断点pr(xr,yr)的前一个断点pr‑1(xr‑1,yr‑1)的纵坐标；xr+1为第r个断点pr(xr,yr)的后一个断点pr+1(xr+1,yr+1)的横坐标，yr+1为第r个断点pr(xr,yr)的后一个断点pr+1(xr+1,yr+1)的纵坐标；步骤3023、比较dr与特征点选择距离阈值dz，当dr>dz时，将第r个断点pr(xr,yr)判断为存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的可能特征点并保留，当dr≤dz时，将第r个断点pr(xr,yr)判断为存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的非特征点并删除；步骤3024、将特征点选择距离阈值dz增加距离步长Δdz；步骤3025、根据公式计算步骤3023中判断出的可能特征点中第f个可能特征点pf(xf,yf)到它的前一个可能特征点pf‑1(xf‑1,yf‑1)与后一个可能特征点pf+1(xf+1,yf+1)连成的直线的距离df；其中，f的取值为1～m的自然数，m为步骤3023中判断出的可能特征点的总数；xf为第f个可能特征点pf(xf,yf)的横坐标，yf为第f个可能特征点pf(xf,yf)的纵坐标；xf‑1为第f个可能特征点pf(xf,yf)的前一个可能特征点pf‑1(xf‑1,yf‑1)的横坐标，yr‑1为第f个可能特征点pf(xf,yf)的前一个可能特征点pf‑1(xf‑1,yf‑1)的纵坐标；xf+1为第f个可能特征点pf(xf,yf)的后一个可能特征点pf+1(xf+1,yf+1)的横坐标，yf+1为第f个可能特征点pf(xf,yf)的后一个可能特征点pf+1(xf+1,yf+1)的纵坐标；步骤3026、比较df与特征点选择距离阈值dz，当df>dz时，将第f个可能特征点pf(xf,yf)判断为存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的有效特征点并保留，当df≤dz时，将第f个可能特征点pf(xf,yf)判断为存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的非有效特征点并删除；步骤3027、根据公式计算步骤3026中判断出的有效特征点中与第f个可能特征点pf(xf,yf)相对应的有效特征点pf′(xf′,yf′)到它的前一个有效特征点pf′‑1(xf′‑1,yf′‑1)与后一个有效特征点pf′+1(xf′+1,yf′+1)连成的直线的距离df′；其中，f′的取值为1～m′的自然数，m′为步骤3026中判断出的有效特征点的总数；xf′为与第f个特征点pf(xf,yf)相对应的有效特征点pf′(xf′,yf′)的横坐标，yf′为与第f个特征点pf(xf,yf)相对应的有效特征点pf′(xf′,yf′)的纵坐标；xf′‑1为与第f个特征点pf(xf,yf)相对应的有效特征点pf′(xf′,yf′)的前一个有效特征点pf′‑1(xf′‑1,yf′‑1)的横坐标，yf′‑1为与第f个特征点pf(xf,yf)相对应的有效特征点pf′(xf′,yf′)的前一个有效特征点pf′‑1(xf′‑1,yf′‑1)的纵坐标；xf′+1为与第f个特征点pf(xf,yf)相对应的有效特征点pf′(xf′,yf′)的后一个有效特征点pf′+1(xf′+1,yf′+1)的横坐标，yf′+1为与第f个特征点pf(xf,yf)相对应的有效特征点pf′(xf′,yf′)的后一个有效特征点pf′+1(xf′+1,yf′+1)的纵坐标；步骤3028、比较步骤3027中计算得到的df′与步骤3025中计算得到的df，取f′为1～m′的自然数，当m′个有效特征点均满足|df′‑df|≤E∞时，将步骤3026中判断出的有效特征点确定为存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的特征点，否则，重复执行步骤3024～3028；其中，E∞为距离误差阈值。