基于鸡群优化法的图像多阈值分割方法技术

一种基于鸡群优化法的图像多阈值分割方法，由图像预处理和阈值个数的确定、选择适应度函数、基于鸡群优化法寻找最优阈值、图像多阈值分割步骤组成，其中基于鸡群优化法寻找最优阈值由参数设置、更新鸡群个体、确定最优阈值步骤组成，每个个体的位置代表待分割图像的一组分割阈值，以最大类间方差法作为本方法的适应度函数，以适应度值的大小来评价每个个体所在位置的优劣，通过不断迭代更新鸡群中个体的位置，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，具有方法简单、速度快、分割精度高等优点，可用于对时效性要求比较高的图像进行多阈值分割。

Image multi threshold segmentation method based on chicken swarm optimization

A segmentation method of chickens optimization method based on multi threshold image, determined by the image preprocessing and threshold, the number of fitness function, the chickens optimization method of multi threshold segmentation steps to find the optimal threshold, image based on chicken swarm optimization method to find the optimal threshold by the parameter settings, update the chickens, determine the optimal individual based on the threshold step, a set of threshold position represents each individual image, with the Otsu method as the fitness function of this method, the fitness value to evaluate the size of each individual location of the pros and cons of updating the individual chicken in position by iteration, quickly and accurately find the the optimal threshold for image segmentation. Compared with the existing technology, the method has the advantages of simple method, fast speed and high segmentation precision, and can be used for the multi threshold segmentation of the image with higher timeliness requirement.

【技术实现步骤摘要】
基于鸡群优化法的图像多阈值分割方法
本专利技术属于图像处理及模式识别
，具体涉及到对图像进行多阈值分割。
技术介绍
图像分割是指从图像中将某个特定区域与其它部分进行分离并提取出来的方法。图像分割方法依照图像特性不同，大致可以分为三大类：第一类是阈值方法，根据图像中目标和背景灰度值的差异采用某一合理的阈值可有效地将目标和背景区分开；第二类为边界分割方法，这类方法是通过检测出某个封闭区域的边界来进行分割；第三类方法是区域提取方法，这类方法的特点是根据特定区域与其它背景区域特性上的不同来分割图像。图像阈值分割方法可分为单阈值分割和多阈值分割，多阈值分割问题可转化为一系列单阈值分割问题来解决，但这需要在全灰度范围内搜索一个最优阈值组合，耗时较多，解决较困难。随着群智能方法的发展，越来越多的学者研究和发现群智能方法的在图像多阈值分割方面的优势。目前，已经有学者利用粒子群优化方法、蚁群优化方法、人工鱼群方法、人工蜂群方法等群智能优化方法来搜索图像分割中的多阈值，并且取得了较好的成果，明显提高了图像分割的质量和效率。应用群智能方法解决图像的多阈值分割问题仍然存在运行时间慢，分割质量较低等问题本文档来自技高网...

【技术保护点】
一种基于鸡群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)图像预处理和阈值个数确定输入彩色图像，进行灰度化处理，得到灰度图像，确定灰度值的平均值，得到灰度直方图，依次对灰度直方图的值进行对比，若该值大于其前后相邻的值，确定该值为灰度直方图的波峰，取这些波峰中满足大于灰度值的平均值的个数，为图像分割的阈值个数D，D为2～5；对灰度图像进行1级小波变换，得图像的低频信息，采用双线性插值法对低频信息进行重构，得到与原图等大小的重构图像；(2)选择适应度函数以最大类间方差法作为适应度函数，以适应度值的大小来评价每个个体所在位置的优劣，由下式确定：

【技术特征摘要】
1.一种基于鸡群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)图像预处理和阈值个数确定输入彩色图像，进行灰度化处理，得到灰度图像，确定灰度值的平均值，得到灰度直方图，依次对灰度直方图的值进行对比，若该值大于其前后相邻的值，确定该值为灰度直方图的波峰，取这些波峰中满足大于灰度值的平均值的个数，为图像分割的阈值个数D，D为2～5；对灰度图像进行1级小波变换，得图像的低频信息，采用双线性插值法对低频信息进行重构，得到与原图等大小的重构图像；(2)选择适应度函数以最大类间方差法作为适应度函数，以适应度值的大小来评价每个个体所在位置的优劣，由下式确定：式中fi(T1,T2,...,TD)表示第i个个体的适应度值，pm为灰度值为m的概率，a∈[1,D+1]，D为阈值个数，最佳分割阈值Td，d为1，2，...，D，其中0≤T1≤T2...≤TD≤255，应使D+1个类间的总方差最大，即(3)基于鸡群优化法寻找最优阈值1)设置参数种群规模P为40～70，公鸡的个数NR为6～10，母鸡的个数NH为28～50，小鸡的个数NC为6～10，公鸡的个数NR、母鸡的个数NH、小鸡的个数NC和为种群规模P，妈妈母鸡的个数NM为20～35，跟随系数F为0.1～2，最大迭代次数为M，迭代计数t为1～M；2)更新鸡群个体在鸡群中，将公鸡、母鸡、小鸡的鸡群中个体位置进行更新：①公鸡位置更新公式为：Xi,j(t+1)＝Xi,j(t)×(1+Randn(0,σ2)),i∈[1,...,NR],j∈[1,...,D](2)式中Randn(0,σ2)是高斯分布函数，σ2是标准差，为以自然数e为底的指数函数，Xi,j(t)为第i只公鸡的j维在第t次迭代位置的值，Xi,j(t+1)为第i只公鸡的j维在第t+1次迭代位置的值，t为迭代计数，|fi|+ε≠0，fi为第i只公鸡的适应度值，k为所有...

【专利技术属性】
技术研发人员：马苗，郑玮鸽，武杰，梁建慧，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：陕西,61