一种基于自适应布谷鸟优化法的图像多阈值分割方法技术

本发明专利技术涉及一种基于自适应布谷鸟优化法的图像多阈值分割方法，由获得需要处理的灰度图像、设定目标函数、用自适应布谷鸟优化法寻找最佳阈值、图像多阈值分割步骤组成。鸟窝的初始位置分布在灰度图的像素大小边界值范围内，以最大熵作为本方法的适应度函数，以适应度值的大小来评价每个鸟窝所在位置的优劣，通过不断经历莱维飞行和随机偏好游动迭代环节更新鸟窝位置，快速准确地找到全局最优阈值，对图像进行分割。本发明专利技术与现有技术相比，具有分割阈值精准度高，较好的实时性等优点，可用于彩色图像和灰度图像分割。

【技术实现步骤摘要】
一种基于自适应布谷鸟优化法的图像多阈值分割方法
本专利技术属于图像处理
，具体涉及一种基于自适应布谷鸟优化法的图像多阈值分割方法。
技术介绍
图像分割本质上是一个分类问题，目的是将一幅图像划分成若干个具有某种均匀一致性的区域，从而提取出图像中的一个或多个目标。阈值分割法是一种传统的图像分割方法，其具有物理意义明确、易于实现的特点。当扩展到图像多阈值分割时，搜索空间大，计算复杂度高和计算时间长，则传统的穷举法不能达到良好的实时性。最大熵阈值法是使得分割后的图像目标类和背景类的总熵值最大，即用几个阈值将图像的灰度直方图分成独立的类，使得各类的总熵最大。因此可以被视为一个优化问题。目前很多学者将智能优化算法如粒子群优化方法、萤火虫优化方法等应用于图像多阈值求解。但是仍存在搜索速度慢、精度不高等问题。布谷鸟算法(CuckooSearch,简称CS)模拟了布谷鸟独特的寻窝产卵行为，并引入自然界鸟类、果蝇运动轨迹的飞行机制，能够快速有效地寻找到最优解。但同其他群智能算法一样，也存在后期易陷入局部最优、搜索精度低等缺点。所以引入一种自适应步长的改进布谷鸟(AdaptiveCuckooSearch，简称ACS)优化法来改善布谷鸟算法的局部寻优能力，并将其应用到以最大熵为准则函数的灰度图像多阈值分割中，来提高其分割质量和速度。
技术实现思路
本专利技术要解决的技术问题是：提供一种基于自适应布谷鸟优化法的图像多阈值分割方法，解决传统最大熵法耗时长、精度不高的问题。解决上述问题所采用的技术方案是由下述步骤组成：(1)图像预处理读入需要处理的灰度图即待分割图像，确定阈值个数。(2)设定目标函数选取最大熵法作为目标函数，最大熵法如下：对于灰度范围为{0,1,…,L…1}的图像，设有k个阈值将图像划分为k+1类，有其中，Hi(t1,t2,…,tk)为第i个个体的适应度函数值，i为有限的正整数，t1,t2,…,tk为分割阈值，pi为第i个灰度出现的概率，最佳阈值使得总熵取得最大值，即(3)用自适应布谷鸟优化法寻找最佳阈值1)设置参数随机生成N个鸟窝且N为正整数，最大迭代次数为kmax、发现概率pa∈[0,1]，将N个鸟窝随机分布在灰度图像最大灰度值Lmax和最小灰度值Lmin之间。2)确定适应度函数值根据公式(1)和鸟窝初始位置Xi，确定适应度函数值Hi。3)莱维飞行更新鸟窝位置根据适应度函数值的大小，保留当前迭代次数中全局最优鸟窝，记为Xbest，满足：H(Xbest)＝max(Hi)(2)其他鸟窝采用改进的莱维飞行(式(3))进行更新为：其中，和分别表示第(t+1)代和第t代的位置，α表示步长，为点对点乘法，k是当前迭代次数，为随机搜索路径，并且与时间t的关系服从分布，即为了便于计算，采用式(5)计算随机数：式中μ、ν服从标准正态分布，β为常数且其中，Γ为伽玛函数。因此，在莱维飞行环节中ACS算法采用公式(7)生成新的解4)偏好随机游走更新鸟窝位置通过位置更新后，用随机数r∈[0,1]与pa对比，若r>pa，则对采用偏好随机游动生成相同数量的新解，偏好随机游动如式(8)所示：其中，r是压缩因子，为(0,1)区间的均匀分布随机数，和为第t代的两个随机解。且pa＝pamax-(pamax-pamin)×exp(-η(k/kmax)θ)，k为当前迭代次数，kmax为设置的最大迭代次数，η和θ为常数，pamax和pamin是Pa的上下限。且w＝1-0.2(Hi-Hmin)/(Hmax-Hmin)Hi、Hmin和Hmax分别为每代种群中第i个个体、最差个体以及最优个体的适应度值。5)更新全局最佳阈值重复上述1)～4)步骤，获得全局最优值，比较新一组的全局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，直到达到最大迭代次数kmax，此时的全局最优值即为图像多阈值分割的最佳阈值。(4)图像多阈值分割根据搜索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。在本专利技术的步骤(2)中，所述的k是阈值个数，k的取值范围为5～11。在本专利技术的步骤(3)的步骤1)中，本专利技术的鸟窝数目为50，最大迭代次数为150，发现概率pa最大值pamax和最小值pamin分别为1、0.3。最大灰度值Lmax为256、最小灰度值Lmin为0。在本专利技术的步骤(3)的步骤4)中，η和θ为常数，分别取η＝8，θ＝0.3。本专利技术采用布谷鸟算法来解决基于最大熵法的阈值分割问题，并且针对算法后期易陷入局部最优、寻优速度慢的缺点，给出了一种自适应布谷鸟算法。该改进算法自适应调整发现概率，从而增加种群的多样性；并且将莱维飞行中的步长因子调整为随迭代进程非线性递减，使得算法在前期能够扩大搜索范围，增强全局寻优能力，后期具有更强的局部开发能力。另外，在偏好随机游动环节中引入由鸟窝位置适应度值决定动态的惯性权重，使得算法能够及时跳出局部最优。因此可以有效提高最大熵法实现灰度图像多阈值分割的实时性。附图说明图1是实施例的流程图。图2是Lena，Mandrill和Cameraman的原图及其灰度直方图。图3是对Lena图进行本专利技术方法提出的ACS和基本的CS的五阈值、七阈值、九阈值、十一阈值分割效果对比图。图4是对Mandrill图进行本专利技术方法提出的ACS和基本的CS的五阈值、七阈值、九阈值、十一阈值分割效果对比图。图5是对Cameraman图进行本专利技术方法提出的ACS和基本的CS的五阈值、七阈值、九阈值、十一阈值分割效果对比图。图6是本专利技术方法提出的ACS和基本的CS对三幅图的寻优曲线进行对比。具体实施方式实施例：如图1所示，本实施例的多阈值最大熵法的阈值选取准则是分割后的目标类和背景类的总熵值最大。其具体实施步骤如下：(1)图像预处理图1给出了本实施例的流程图。读入需要处理的灰度图即待分割图像，确定阈值个数。(2)设定目标函数选取最大熵法作为目标函数，最大熵法由下式确定：其中，Hi(t1,t2,…,tk)为第i个个体的适应度函数值，i为有限的正整数，t1,t2,…,tk为分割阈值，pi为第i个灰度出现的概率，k是阈值个数，范围为5～11，最佳阈值使得总熵取得最大值，即(3)用自适应布谷鸟优化法寻找最佳阈值1)设置参数随机生成N＝50个鸟窝，最大迭代次数为kmax＝150；自适应布谷鸟算法参数为：发现概率pamax为1，pamin为0.3，Lmax为256、Lmin为0。2)确定适应度函数值根据公式(1)和鸟窝初始位置Xi，确定适应度函数值Hi。3)莱维飞行更新鸟窝位置根据适应度函数值的大小，保留当前迭代次数中全局最优鸟窝，记为Xbest，满足H(Xbest)＝max(Hi)(2)其他鸟窝采用改进的莱维飞行(式(3))进行更新为：其中，和分别表示第(t+1)代和第t代的位置，α表示步长，为点对点乘法，k是当前迭代次数，为随机搜索路径，并且与时间t的关系服从分布，即为了便于计算，采用式(5)计算随机数：式中μ、ν服从标准正态分布，β＝1.5且其中，Γ为伽玛函数。因此，在莱维飞行环节中ACS算法采用公式(7)生成新的解4)偏好随机游走更新鸟窝位置通过位置更新后，用随机数r∈[0,1]与pa对比，若r本文档来自技高网...

【技术保护点】
1.一种基于自适应布谷鸟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)图像预处理读入需要处理的灰度图即待分割图像，确定阈值个数。(2)设定目标函数选取最大熵法作为目标函数，最大熵法如下：对于灰度范围为{0,1,…,L‑1}的图像，设有k个阈值将图像划分为k+1类，有

【技术特征摘要】
1.一种基于自适应布谷鸟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)图像预处理读入需要处理的灰度图即待分割图像，确定阈值个数。(2)设定目标函数选取最大熵法作为目标函数，最大熵法如下：对于灰度范围为{0,1,…,L-1}的图像，设有k个阈值将图像划分为k+1类，有其中，Hi(t1,t2,…,tk)为第i个个体的适应度函数值，i为有限的正整数，t1,t2,…,tk为分割阈值，pi为第i个灰度出现的概率，最佳阈值为使得总熵取得最大值，即(3)用自适应布谷鸟优化法寻找最佳阈值1)设置参数随机生成N个鸟窝且N为正整数，最大迭代次数为kmax、发现概率pa∈[0,1]，将N个鸟窝随机分布在灰度图像最大灰度值Lmax和最小灰度值Lmin之间。2)确定适应度函数值根据公式(1)和鸟窝初始位置Xi，确定适应度函数值Hi。3)莱维飞行更新鸟窝位置根据适应度函数值的大小，保留当前迭代次数中全局最优鸟窝，记为Xbest，满足：H(Xbest)＝max(Hi)(2)其他鸟窝采用改进的莱维飞行(式(3))进行更新为：其中，和分别表示第(t+1)代和第t代的位置，α表示步长，⊕为点对点乘法，k是当前迭代次数，为随机搜索路径，并且与时间t的关系服从分布，即为了便于计算，采用式(5)计算随机数：式中μ、ν服从标准正态分布，β为常数且其中，Γ为伽玛函数。因此，在莱维飞行环节中ACS算法采用公式(7)生成新的解4)偏好随机游走更新鸟窝位置通过位置更新后，用随机数r∈[0,1]与pa对比，若r>pa，则对采用偏好随机游动生成相同数量的...

【专利技术属性】
技术研发人员：孙敏，韦慧，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：安徽,34