一种基于交叉型粒子群算法的图像分割方法及系统技术方案

本发明专利技术公开了一种基于交叉型粒子群算法的图像分割方法，包括：获取待分割图像的灰度值范围；根据待分割图像的灰度值范围，采用交叉型粒子群算法得到图像分割的最佳灰度阈值；根据图像分割的最佳灰度阈值，对待分割图像进行分割。此外，本发明专利技术还公开了一种基于交叉型粒子群算法的图像分割系统。本发明专利技术可以尽可能保持种群的多样性，阻止算法搜寻质量的退化，提高算法搜寻的质量和速度，通过将交叉操作引入基本粒子群算法之中，形成交叉型粒子群算法，并将该算法用于图像分割中，形成高效快捷的自适应粒子群算法来求解多阈值图像分割问题。因此，本发明专利技术不仅能够获取较优的分割效果，而且具有较高的分割效率。

【技术实现步骤摘要】
一种基于交叉型粒子群算法的图像分割方法及系统
本专利技术涉及图像分割领域，尤其涉及一种基于交叉型粒子群算法的图像分割方法及系统。
技术介绍
随着计算机技术的飞跃发展，人们越来越多的利用计算机来帮助人类获取和处理视觉图像信息。据统计，在人类从外界获取的信息中有80％是来自于视觉，这包括图像、图形、视频等，它是人们最有效的信息获取和交流方式，图像也因其所含的信息量大、表现直观而在多媒体处理技术中占有非常重要的位置。图像处理从本质上讲是对图像信息进行加工以满足人们的视觉心理或应用需求的行为。而图像分割是图像处理技术中的一种，其目的是将图像分成各具特性的区域并提取出感兴趣的部分以满足人们的某种需要。图像分割的结果是图像特征提取和识别等图像理解的基础，对图像的加工主要处于图像处理的层次，图像分割后，对图像的分析才有可能。另外，图像分割在实际中也得到了广泛的应用，特别是近年来随着计算机技术和图形图像学的飞速发展，使得图像分割技术成为其他很多研究方向能否顺利发展的一个重要基础。现有技术中，图像分割方法主要有以下几种：(1)阈值分割法。因实现简单、运算效率高而成为一种有效的图像分割方法，而阈值的确定是阈值法图像分割的关键。然而要在一幅多峰直方图的全灰度范围内搜索一个最佳的多阈值组合使得分割结果更为精准，求解的过程将变得异常耗时，无法满足图像分割对实时性的要求，严重地阻碍了该方法的进一步发展。(2)并行区域分割技术。该技术是一种采用并行方式对感兴趣区域进行检测来对图像进行分割的技术。首先对于一幅灰度图像，该技术会根据预先确定的一个处于图像灰度取值范围中的灰度阈值将所有像素归为两大类，灰度值大于阈值的像素为一类，灰度值小于阈值的像素归为一类，灰度值等于阈值的像素可视情况归为前面两类当中的任意一类。通常情况下，两类像素分属于图像中的两类区域，从而根据阈值分类完成了对图像的分割。并行区域分割技术需要基于先验知识来确定图像的灰度阈值，然而先验知识往往是基于以往的经验总结出来的，并不能很好地适应不同的情况，其处理结果很大程度上依赖预设的灰度阈值，因此并行区域分割技术自适应性和稳定性往往不尽人意。(3)现有技术中基于基本粒子群算法实现图像分割中，首先随机初始化一群粒子，而每个粒子则代表一个候选解，并通过适应度函数来评价各个候选解的优劣；在每次的搜寻过程中，各个粒子通过跟随两个“榜样”在整个候选解空间中进行搜索：一个是粒子自身到目前为止所搜寻到的最优值，即局部最优解；另一个是整个种群到目前为止所搜寻到的最优值，即全局最优解。由于每次搜寻都是在之前搜寻的最优结果的基础上进行的进一步搜索，所以随着迭代次数的不断增加，整个群体搜寻的结果质量也会不断提升。然而，在实际的搜寻过程中，如果某个粒子得到了到目前为止种群所发现的最优值，那么其他粒子也将快速向该粒子靠拢，但该粒子所发现的最优值往往是局部最优解，所以这将很有可能导致整个算法陷入局部最优解的现象。另外，在粒子群算法的搜寻过程中，如果某些粒子发现最优的位置，那么全体中的其他粒子也将向这些粒子靠近，然而如果最优位置发生了退化，即当前迭代过程中所发现的最优解不如之前所发现的最优解，那么整个粒子群体就很有可能向该最优解移动，从而导致整个群体搜寻质量的降低。
技术实现思路
为了克服上述现有技术的缺陷，本专利技术提供一种基于交叉型粒子群算法的图像分割方法及系统。具体的，本专利技术的技术方案如下：一方面，本专利技术公开了一种基于交叉型粒子群算法的图像分割方法，包括：S100获取待分割图像的灰度值范围；S200根据所述待分割图像的灰度值范围，采用交叉型粒子群算法得到图像分割的最佳灰度阈值；S300根据所述图像分割的最佳灰度阈值，对所述待分割图像进行分割。优选地，所述步骤S200包括：S210初始化粒子群；S220计算所述粒子群中各粒子的当前适应度值；S230根据所述各粒子的当前适应度值，获取各粒子最新的局部最优解及所述粒子群的全局最优解；S240更新所述粒子群中各粒子的速度和位置；S250对所述粒子群执行交叉调节操作；S260更新所述粒子群中各个粒子执行交叉操作后各自的速度和位置；S270判断当前是否满足结束迭代的条件；若是，进入步骤S280；否则返回步骤S220进入下一次迭代；S280根据最近一次获取的所述粒子群的全局最优解得到图像分割的最佳灰度阈值。优选地，所述步骤S250包括：S251根据公式(1)获取交叉概率：其中：PCmax、PCmin分别是最大交叉概率和最小交叉概率，t为当前迭代次数，tmax为最大迭代次数；S252根据所述交叉概率对所述粒子群的各粒子执行交叉操作。优选地，所述步骤S230包括：S231将所述粒子群中每个粒子的当前适应度值与其局部最优解对应的适应度值进行比较，若所述粒子的适应度值大于其局部最优解对应的适应度值，则所述粒子的局部最优解更新为所述粒子当前位置；S232将所述粒子群中每个粒子的当前适应度值与当前全局最优解对应的适应度值进行比较，若所述粒子的当前适应度值大于所述全局最优解对应的适应度值，则所述粒子群的全局最优解更新为所述粒子当前位置。优选地，所述步骤S240及所述步骤S260中更新所述粒子群中计算各粒子的速度采用的公式为：其中，为第k+1代粒子群第i个粒子第d维的飞行速度；r1和r2是[0，1]区间的随机数；c1、c2为预设的加速系数；为第k代粒子群第i个粒子第d维的飞行速度；为第k代粒子群第i个粒子第d维的局部最优解；为第k代粒子群第d维的全局最优解，为第k代粒子群第i个粒子第d维的位置；所述步骤S240及所述步骤S260中更新所述粒子群中各粒子的位置中计算各粒子的位置采用的公式为：其中：为第K+1代粒子群第i个粒子第d维的飞行速度，为第k代粒子群第i个粒子第d维的位置。优选地，所述步骤S270中结束迭代的条件为当前迭代次数达到预设的最大迭代次数或所述全局最优解满足预设的最小适用阈值。另一方面，本专利技术还公开了一种基于交叉型粒子群算法的图像分割系统，包括：获取模块，用于获取待分割图像的灰度值范围；处理模块，用于根据所述获取模块获取的所述待分割图像的灰度值范围，采用交叉型粒子群算法得到图像分割的最佳灰度阈值；分割模块，用于根据所述处理模块得到的图像分割的最佳灰度阈值，对所述待分割图像进行分割。优选地，所述处理模块包括：初始化子模块，用于初始化粒子群；计算比较子模块，用于计算所述粒子群中各粒子的当前适应度值，并根据所述各粒子的当前适应度值，获取各粒子最新的局部最优解及所述粒子群的全局最优解；计算更新子模块，用于更新所述粒子群中各粒子的速度和位置；交叉操作子模块，用于对所述粒子群执行交叉调节操作；所述计算更新子模块，还用于更新所述粒子群中各个粒子执行交叉操作后各自的速度和位置；判断子模块，用于判断当前是否满足结束迭代的条件；所述计算比较子模块，还用于当所述判断子模块判定当前满足结束迭代的条件时，返回继续计算所述粒子群中各粒子的当前适应度值，进入下一次迭代；所述阈值获取子模块，用于当所述判断子模块判定当前满足结束迭代的条件时，根据最近一次获取的所述粒子群的全局最优解得到图像分割的最佳灰度阈值。优选地，所述交叉操作子模块包括：交叉概率获取单元，用于根据公式(1)获取交叉概率：其中：P本文档来自技高网...

【技术保护点】
1.一种基于交叉型粒子群算法的图像分割方法，其特征在于，包括：S100获取待分割图像的灰度值范围；S200根据所述待分割图像的灰度值范围，采用交叉型粒子群算法得到图像分割的最佳灰度阈值；S300根据所述图像分割的最佳灰度阈值，对所述待分割图像进行分割。

【技术特征摘要】
1.一种基于交叉型粒子群算法的图像分割方法，其特征在于，包括：S100获取待分割图像的灰度值范围；S200根据所述待分割图像的灰度值范围，采用交叉型粒子群算法得到图像分割的最佳灰度阈值；S300根据所述图像分割的最佳灰度阈值，对所述待分割图像进行分割。2.根据权利要求1所述的一种基于交叉型粒子群算法的图像分割方法，其特征在于，所述步骤S200包括：S210初始化粒子群；S220计算所述粒子群中各粒子的当前适应度值；S230根据所述各粒子的当前适应度值，获取各粒子最新的局部最优解及所述粒子群的全局最优解；S240更新所述粒子群中各粒子的速度和位置；S250对所述粒子群执行交叉调节操作；S260更新所述粒子群中各个粒子执行交叉操作后各自的速度和位置；S270判断当前是否满足结束迭代的条件；若是，进入步骤S280；否则返回步骤S220进入下一次迭代；S280根据最近一次获取的所述粒子群的全局最优解得到图像分割的最佳灰度阈值。3.根据权利要求2所述的一种基于交叉型粒子群算法的图像分割方法，其特征在于，所述步骤S250包括：S251根据公式(1)获取交叉概率：其中：PCmax、PCmin分别是最大交叉概率和最小交叉概率，t为当前迭代次数，tmax为最大迭代次数；S252根据所述交叉概率对所述粒子群的各粒子执行交叉操作。4.根据权利要求2所述的一种基于交叉型粒子群算法的图像分割方法，其特征在于，所述步骤S230包括：S231将所述粒子群中每个粒子的当前适应度值与其局部最优解对应的适应度值进行比较，若所述粒子的适应度值大于其局部最优解对应的适应度值，则所述粒子的局部最优解更新为所述粒子当前位置；S232将所述粒子群中每个粒子的当前适应度值与当前全局最优解对应的适应度值进行比较，若所述粒子的当前适应度值大于所述全局最优解对应的适应度值，则所述粒子群的全局最优解更新为所述粒子当前位置。5.根据权利要求2所述的一种基于交叉型粒子群算法的图像分割方法，其特征在于，所述步骤S240及所述步骤S260中更新所述粒子群中计算各粒子的速度采用的公式为：其中，为第k+1代粒子群第i个粒子第d维的飞行速度；r1和r2是[0，1]区间的随机数；c1、c2为预设的加速系数；为第k代粒子群第i个粒子第d维的飞行速度；为第k代粒子群第i个粒子第d维的局部最优解；为第k代粒子群第d维的全局最优解，为第k代粒子群第i个粒子第d维的位置；所述步骤S240及所述步骤S260中更新所述粒子群中各粒子的位置中计算各粒子的位置采用的公式为：其中：为第K+1代粒子群第i个粒子第d维的飞行速度，为第k代粒子群第i个粒子第d维的位置。6.根据权利要求2-5任一项所述的一种基于交叉型粒...

【专利技术属性】
技术研发人员：李鹏，
申请(专利权)人：四川斐讯信息技术有限公司，
类型：发明
国别省市：四川,51