[发明专利]基于改进人工雨滴优化法的图像多阈值分割方法

摘要

一种基于改进人工雨滴优化法的图像多阈值分割方法，由图像预处理、设定目标函数、用改进人工雨滴优化法寻找最佳阈值、图像多阈值分割步骤组成。读入彩色图像进行灰度化处理，得到图像的灰度图。雨滴的初始位置分布在灰度图的像素大小边界值范围内，以大津法作为本方法的适应度函数，确定每滴雨滴初始位置的适应度函数值。每一滴雨滴在经过雨滴下降、雨滴碰撞、雨滴汇聚的过程，不断产生新个体并更新雨滴池，经过多次迭代后，找到全局最优的分割阈值，对灰度图像进行多阈值分割。与现有技术相比，具有分割速度快、分割阈值精准度高等优点，可用于彩色图像和灰度图像的多阈值分割。

主权项

1.一种基于改进人工雨滴优化法的图像多阈值分割方法，其特征在于由下述步骤组成：(1)图像预处理将读入图像进行灰度化处理，得到灰度图，为待分割图像；(2)设定目标函数选取大津法作为目标函数，大津法由下式确定：其中，F_i(t₁,t₂,...,t_D)为第i个个体的适应度函数值，i为有限的正整数，t₁,t₂,...,t_D为分割阈值，ω₀为ω₁为ω_D为μ₀为μ₁为μ_D为p_c是像素值为c的概率，D是阈值个数，为有限正整数；t_d为最佳分割阈值，d为1，2，…，D，其中0≤t₁≤t₂...≤t_D≤255，应使D+1个类间的总方差最大，即(3)用改进人工雨滴优化法寻找最佳阈值1)确定适应度函数值根据公式(1)和雨滴初始位置Xi，确定适应度函数值Fi，雨滴计数i为1～N，N是雨滴的种群规模为有限正整数，Xi为第i个雨滴的初始位置；2)种群划分根据适应度函数值的大小，确定当前迭代次数中全局最优个体，记为BXg，满足：F(BXg)＝max(Fi)      (2)其中g是迭代计数为1～M，M是最大用雨量、为10000～30000，确定其他雨滴与最优个体间的距离差Hg,i为：其中，i是雨滴计数，D是阈值个数、为有限正整数，为第g次迭代中第i个个体的第d维，为最优个体BX_g的第d维；根据H_g,i大小对个体排序并平均划分为m组，每组个体数为m是种群分组数为3～10，N是雨滴的种群规模为有限正整数；3)更新最优个体根据每组内每个个体的适应度函数值确定权重Si，由权重值确定新个体NewXg：其中F_i是雨滴i的适应度函数值，N为种群规模，m为分组数，更新组内最优个体BestX_g的其中一维其中r₁、r₂、r₃、r₄是随机产生的1～D之间的整数，是第g次迭代中最优个体BestX_g的第r₁维，是第g次迭代中新个体NewX的第r₂维，是第g次迭代中新个体NewX的第r₃维，是第g次迭代中新个体NewX的第r₄维，φ是[‑1,1]之间的随机数；4)雨滴碰撞更新根据每组内的最优个体BestXg，即最优雨滴，更新其他个体位置NXg,i：NXg,i＝BestXg+sign(α‑0.5)·log(β)·(BestXg‑Xg,i)     (7)其中α、β是(0,1)之间的随机数，Xg,i是第g次迭代中个体i更新前的位置；5)雨滴流动更新碰撞后的雨滴流动，位置再次更新，流动后的雨滴位置为NTXg,i：NTXg,i＝NXg,i+C1·a·(BXg,i‑NXg,i)+C2·b·(Xg,rand×N‑NXg,i)    (8)其中NXg,i是第g次迭代中雨滴i碰撞后更新的位置，BXg是第g次迭代中原始最优个体的位置，Xg,rand×N是第g次迭代中初始雨滴种群中的随机个体，rand是随机函数，N是种群规模，C1是雨滴流动算子第一个系数为1～3，C2是雨滴流动算子第二个系数为1～3，a、b是(0,1)之间的随机数；6)雨滴种群更新根据公式(1)确定第g次迭代中初始雨滴Xi适应度函数值与流动后雨滴NTXg,i适应度函数值并排序，取适应度函数值较大的前N个个体作为下一次迭代的新雨滴种群；7)更新全局最佳阈值重复上述1)～6)步骤，获得全局最优值，比较新一组的组内最优值的适应度函数值与原全局最优值的适应度函数值的大小，若新的适应度函数值大于原适应度函数值，更新全局最优值，直到达到最大用雨量M或全局最佳阈值已连续40～70次未更新，此时的全局最优值为图像多阈值分割的最佳阈值；(4)图像多阈值分割将搜寻的最佳阈值对待分割的灰度图像进行多阈值分割，得到分割后的图像。