[发明专利]基于三元高斯差分演化算法的圆检测方法

摘要

本发明公开了一种基于三元高斯差分演化算法的圆检测方法。本发明应用三元高斯差分演化算法来搜索数字图像中圆的参数。在三元高斯差分演化算法中，将种群的均值信息及随机个体融合到高斯采样算子中，提高算法的搜索区域，并利用种群中最优个体的信息来提高算法的局部搜索能力，从而加快收敛速度。本发明能够提高数字图像中圆检测的效率。

主权项

1.一种基于三元高斯差分演化算法的圆检测方法，其特征在于，包括以下步骤：步骤1，输入一幅图像IMG；步骤2，对图像IMG进行边缘检测得到边缘图像BIMG；步骤3，将边缘图像BIMG中边缘像素的二维坐标存放在坐标列表BIList中，并将边缘像素总数记为Num；步骤4，设置种群大小Popsize和最大演化代数MaxG；步骤5，当前演化代数t＝0；步骤6，随机产生初始种群其中，下标i＝1,2,...,Popsize；个体为种群P_t中的第i个个体，存储了3个取值范围在[1,Num]之间的整数，表示坐标列表BIList中3个二维坐标的序号，并按公式(1)对进行初始化：其中，为个体的第j维度；INTRnd为随机整数产生函数；维度下标j＝1,2,3；步骤7，计算种群中每个个体的适应值；步骤8，保存种群中的最优个体Bestt；步骤9，令适应种子ASM＝0.5；步骤10，令杂交率PCRi＝rand(0.1,1.0)，并令适应系数BVi＝0.5，其中，rand为随机实数产生函数；下标i＝1,2,...,Popsize；步骤11，令因子列表CList为空，并令计数器ki＝1；步骤12，如果计数器ki大于种群大小Popsize，则转到步骤23，否则转到步骤13；步骤13，计算种群中所有个体的平均值并存储到均值个体MEt；步骤14，令柯西随机数CW＝CHRand(ASM,0.1)，其中CHRand为产生柯西随机实数的函数；步骤15，按公式(2)计算组合系数ADP：其中rmk为[0.8，1.0]之间的随机数，rpc为[0，1]之间的随机实数；步骤16，执行三元高斯操作生成试验个体具体步骤如下：步骤16.1，令计数器mj＝1；步骤16.2，在[1,Popsize]之间随机产生两个不相等的正整数TR1和TR2，然后在[1,3]之间随机产生一个整数JRD；步骤16.3，如果计数器mj小于或等于3，则转到步骤16.4，否则转到步骤17；步骤16.4，在[0,1]之间随机产生一个实数TCR，如果TCR小于杂交率PCRki或者计数器mj等于JRD，则转到步骤16.5，否则转到步骤16.11；步骤16.5，在[0,1]之间随机产生两个实数rw1和rw2；步骤16.6，令实数rw3＝1.0‑rw1‑rw2；步骤16.7，按公式(3)计算高斯均值mu与高斯标准差std：其中，为种群中第TR1个个体的第mj维度；为种群中第TR2个个体的第mj维度；为均值个体ME^t的第mj维度；步骤16.8，令高斯随机数GRB＝NMRand(mu,std)，其中NMRand是高斯随机实数产生函数；步骤16.9，令其中为试验个体的第mj维度；为最优个体Best^t的第mj维度；步骤16.10，转到步骤16.12；步骤16.11，令其中为个体的第mj维度；步骤16.12，令计数器mj＝mj+1，然后转到步骤16.3；步骤17，计算试验个体的适应值；步骤18，如果试验个体的适应值小于个体的适应值，则将ADP加入到因子列表CList中，否则令ADP＝0.5；步骤19，按公式(4)选择优秀个体进入下一代种群：步骤20，按公式(5)更新杂交率PCRki：步骤21，按公式(6)更新适应系数BVki：其中BW为[0.8,1.0]之间的随机实数；步骤22，令计数器ki＝ki+1，然后转到步骤12；步骤23，计算因子列表CList中数据的平均值MECS，然后令适应种子ASM＝ASM×SW+MECS×(1‑SW)，其中SW为[0.9,1.0]之间的随机实数；步骤24，令当前演化代数t＝t+1；步骤25，保存种群中的最优个体Bestt；步骤26，重复步骤11至步骤25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解码成3个二维坐标的序号，通过这3个二维坐标的序号在坐标列表BIList中取得3个二维坐标值，即获得检测到的圆。