基于三元高斯差分演化算法的圆检测方法技术

本发明专利技术公开了一种基于三元高斯差分演化算法的圆检测方法。本发明专利技术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。本发明专利技术能够提高数字图像中圆检测的效率。

Circle detection method based on three element Gauss differential evolution algorithm

The invention discloses a circle detection method based on the three element Gauss differential evolution algorithm. The invention applies the three element Gauss differential evolution algorithm to search the parameters of the circle in the digital image. In the ternary Gauss differential evolution algorithm, the mean value information of the population and random individuals are fused into the Gauss sampling operator to improve the search area of the algorithm, and the information of the optimal individuals in the population is used to improve the local search ability of the algorithm, thus speeding up the convergence speed. The invention can improve the efficiency of circle detection in digital images.

【技术实现步骤摘要】
基于三元高斯差分演化算法的圆检测方法
本专利技术涉及数字图像处理领域，尤其是涉及一种基于三元高斯差分演化算法的圆检测方法。
技术介绍
机器视觉技术已经广泛应用于现代工业生产中，并且极大地提高了生产效率。数字图像中圆检测是机器视觉中的一项基本技术，它本质上是一个优化问题。然而，传统利用枚举算法的圆检测方法存在着计算量较大，检测效率不高的缺点。为了提高圆检测的效率，研究人员利用演化算法来检测数字图像中的圆。演化算法是一种模拟自然界中演化规律的仿生算法，它在解决绪多优化问题中表现出了优越的性能。演化算法在数字图像的圆检测中获得了一些成果。例如，周冬跃利用粒子群优化算法来检测带噪声数字图像中的圆(周冬跃,陈健明,林福民,张洪林,李学识,梁永嘉.一种基于粒子群优化算法的快速圆检测方法[J].光电子·激光,2016,27(9):949-956.)；郭肇禄等专利技术了一种基于适应性高斯差分演化的圆检测方法(专利号：201510478231.8)。差分演化算法是一种应用广泛的演化算法，它在许多工程优化问题中取得了较满意的结果。然而，传统差分演化算法应用于数字图像中圆检测时容易出现局部搜索能力不足，检测速度不够的缺点。
技术实现思路
本专利技术的目的是提供一种基于三元高斯差分演化算法的圆检测方法。它在一定程度上克服了传统差分演化算法应用于数字图像中圆检测时容易出现局部搜索能力不足，检测速度不够的缺点，本专利技术能够提高数字图像中圆检测的效率。本专利技术的技术方案：一种基于三元高斯差分演化算法的圆检测方法，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Pt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MEt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Bestt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。本专利技术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。本专利技术能够提高数字图像中圆检测的效率。附图说明图1为实施例用于圆检测的图像。图2为应用本专利技术获得的圆检测结果。具体实施方式下面通过实施例，并结合附图，对本专利技术的技术方案作进一步具体的说明。实施例：本实施例结合附图，本专利技术的具体实施步骤如下：步骤1，输入一幅如图1所示的图像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＝30和最大演化代数MaxG＝5；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Pt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＝C本文档来自技高网...

【技术保护点】
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

【技术特征摘要】
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Pt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，...

【专利技术属性】
技术研发人员：郭肇禄，张文生，蒋军，尹宝勇，巫光福，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：江西,36