[发明专利]应用多模式差分演化算法的葡萄图像分割方法

摘要

本发明公开了一种应用多模式差分演化算法的葡萄图像分割方法，它采用多模式差分演化算法来优化葡萄图像分割类别的聚类中心，在多模式差分演化算法中，设计了三种不同模式的搜索策略，并设计了适应性的搜索策略竞争与选择机制，实现多种搜索策略的优势互补，改进搜索策略的多样性，减少陷入局部最优的概率，本发明能够提高葡萄图像的分割精度。

主权项

1.一种应用多模式差分演化算法的葡萄图像分割方法，其特征在于，包括以下步骤：步骤1，利用数字图像传感装置采集一幅葡萄图像IMG，并将葡萄图像IMG转换为YCrCb颜色空间的图像NIMG，然后提取图像NIMG的Cr颜色分量作为聚类数据；步骤2，用户初始化个体数量PS，分割类别数量D，最大演化代数MAX_T；步骤3，令当前演化代数t＝0；步骤4，设置杂交率Cr_i^t＝0.9，缩放因子F_i^t＝0.5，策略指示值其中下标i＝1,2,...,PS；步骤5，随机初始化种群中的PS个个体，其中种群中每个个体存储了D个分割类别的聚类中心；步骤6，计算种群中每个个体的适应值；步骤7，保存种群中的最优个体Bestt；步骤8，令计数器ti＝1；步骤9，如果计数器ti大于个体数量PS，则转到步骤18，否则转到步骤10；步骤10，利用混沌映射生成调整权重PW，具体如下：步骤10.1，令混沌转量MIT＝PS+rand(0,1)×PS，其中rand为随机实数产生函数；步骤10.2，在[0，1]之间随机生成一个实数tf；步骤10.3，令计数器ck＝1，并令调整权重PW＝tf；步骤10.4，如果计数器ck大于混沌转量MIT，则转到步骤10.8，否则转到步骤10.5；步骤10.5，令暂存值TV＝PW×sin(PW×π)，其中sin为正弦函数，π为圆周率；步骤10.6，令调整权重PW＝TV；步骤10.7，令计数器ck＝ck+1，然后转到步骤10.4；步骤10.8，令调整权重PW＝0.8+0.2×TV；步骤11，按公式(1)计算当前杂交率NCrti、当前缩放因子NFti和当前策略指示值NMuti：步骤12，执行多模式策略差分演化操作产生个体具体如下：步骤12.1，令计数器mj＝1；步骤12.2，在[1,D]之间随机产生一个正整数JRand；步骤12.3，计算种群中所有个体的平均值保存到中心个体PME；步骤12.4，在[1,PS]之间随机产生两个互不相等的正整数RK1和RK2；步骤12.5，如果mj小于或等于D，则转到步骤12.6，否则转到步骤13；步骤12.6，如果mj不等于JRand，则转到步骤12.7，否则转到步骤12.10；步骤12.7，在[0,1]之间产生一个随机实数TCR，如果TCR大于NCrti，则转到步骤12.8，否则转到步骤12.10；步骤12.8，令其中表示个体在第mj维度的值；表示种群中的第ti个个体，且表示种群中第ti个个体在第mj维度的值；步骤12.9，转到步骤12.19；步骤12.10，如果NMu_ti在之间，则转到步骤12.12，否则转到步骤12.11；步骤12.11，如果NMu_ti在之间，则转到步骤12.14，否则转到步骤12.16；步骤12.12，令其中表示种群中第RK1个个体在第mj维度的值；表示种群中第RK2个个体在第mj维度的值；步骤12.13，转到步骤12.19；步骤12.14，令其中为最优个体Best^t在第mj维度的值；步骤12.15，转到步骤12.19；步骤12.16，在[0,1]之间产生一个随机实数MP；步骤12.17，令均值因子MC＝1‑MP‑NFti；步骤12.18，令其中PME_mj为中心个体PME在第mj维度的值；步骤12.19，令计数器mj＝mj+1，然后转到步骤12.5；步骤13，计算个体的适应值；步骤14，在与之间选择优秀者进入下一代种群；步骤15，按公式(2)更新杂交率缩放因子和策略指示值步骤16，令计数器ti＝ti+1；步骤17，转到步骤9；步骤18，令当前演化代数t＝t+1；步骤19，保存种群中的最优个体Bestt；步骤20，重复步骤8至步骤19，直至当前演化代数达到最大演化代数后结束，将执行过程中得到的最优个体Bestt解码为D个分割类别的聚类中心，利用这D个分割类别的聚类中心即实现葡萄图像的分割。