本发明专利技术提供一种基于变异型粒子群算法的图像边缘检测方法及装置，能够提高边缘检测效果和检测效率。所述方法包括：S101，初始化粒子群、最大的迭代次数及图像边缘的灰度阈值；S102，根据图像中像素灰度值与灰度阈值之间的关系，计算粒子适应度，选择适应度大的粒子进入下一代；S103，根据当前迭代次数动态调整变异概率，根据调整后的变异概率，对选择的粒子执行变异操作，并更新粒子的位置；S104，判断当前迭代次数是否达到最大的迭代次数，若是，则获取粒子群最优解得出对应的灰度阈值，否则，返回执行S102；S105，根据得到的粒子群最优解对应的灰度阈值进行图像边缘检测。本发明专利技术涉及图像处理技术领域。
A method and device of image edge detection based on mutation particle swarm optimization
【技术实现步骤摘要】
一种基于变异型粒子群算法的图像边缘检测方法及装置
本专利技术涉及图像处理
，特别是指一种基于变异型粒子群算法的图像边缘检测方法及装置。
技术介绍
边缘检测在图象处理中具有重要的意义，它是模式识别和图像理解系统的前处理阶段，是影响整个系统性能的一个关键因素.经典的边缘检测方法多基于原始图像像素附近的数值导数，例如，基于灰度梯度算子的边缘检测方法。基于灰度梯度算子的边缘检测方法需要基于先验知识来确定图像边缘的灰度阈值，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，导致边缘检测效果差；且基于灰度梯度算子的边缘检测方法在实际应用过程中实现较为复杂，运算量较大，因此基于灰度梯度算子的边缘检测方法的检测效率低下。
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变异型粒子群算法的图像边缘检测方法及装置，以解决现有技术所存在的基于灰度梯度算子的边缘检测方法的边缘检测效果差和检测效率低下的问题。为解决上述技术问题，本专利技术实施例提供一种基于变异型粒子群算法的图像边缘检测方法，包括：S101，初始化粒子群、最大的迭代次数及图像边缘的灰度阈值；S102，根据图像中像素灰度值与灰度阈值之间的关系，计算粒子适应度，选择适应度大的粒子进入下一代；S103，根据当前迭代次数动态调整变异概率，根据调整后的变异概率，对选择的粒子执行变异操作，并更新粒子的位置；S104，判断当前迭代次数是否达到最大的迭代次数，若是，则获取粒子群最优解得出对应的灰度阈值，否则，返回执行S102；S105，根据得到的粒子群最优解对应的灰度阈值进行图像边缘检测。进一步地，粒子适应度表示为：f(t)＝w1(t)*w2(t)*(u1(t)-u2(t))2其中，t表示图像边缘的灰度阈值，w1(t)表示图像中灰度值小于t的像素的个数，w2(t)表示图像中灰度值大于t的像素的个数，u1(t)表示图像中灰度值小于t的像素的平均灰度值，u2(t)表示图像中灰度值大于t的像素的平均灰度值。进一步地，变异概率的调整公式表示为：其中，PM表示变异概率，PMmax、PMmin分别表示最大变异率和最小变异率，kmax表示最大的迭代次数，k表示当前迭代次数。进一步地，粒子位置的更新公式为：其中，r1和r2都表示随机数；k表示当前迭代次数；Pi＝(pi1，pi2，…，piD)T为当前第i个粒子搜寻到的最优位置，上标T表示矩阵转置，d取值范围为[1，D]，D为搜寻的维度；Pg＝(pg1，pg2，…，pgD)T为当前整个粒子群所搜寻到的最优位置；Vi＝(vi1，vi2，…，viD)T为第i个粒子所搜寻到的位置；表示第i个粒子在第k次迭代中d维度上的搜索速度，表示第i个粒子在第k-1次迭代中d维度上的搜索速度；c1、c2都表示加速系数。本专利技术实施例还提供一种基于变异型粒子群算法的图像边缘检测装置，包括：初始模块，用于初始化粒子群、最大的迭代次数及图像边缘的灰度阈值；选择模块，用于根据图像中像素灰度值与灰度阈值之间的关系，计算粒子适应度，选择适应度大的粒子进入下一代；变异模块，用于根据当前迭代次数动态调整变异概率，根据调整后的变异概率，对选择的粒子执行变异操作，并更新粒子的位置；确定模块，用于判断当前迭代次数是否达到最大的迭代次数，若是，则获取粒子群最优解得出对应的灰度阈值，否则，返回执行选择模块；检测模块，用于根据得到的粒子群最优解对应的灰度阈值进行图像边缘检测。进一步地，粒子适应度表示为：f(t)＝w1(t)*w2(t)*(u1(t)-u2(t))2其中，t表示图像边缘的灰度阈值，w1(t)表示图像中灰度值小于t的像素的个数，w2(t)表示图像中灰度值大于t的像素的个数，u1(t)表示图像中灰度值小于t的像素的平均灰度值，u2(t)表示图像中灰度值大于t的像素的平均灰度值。进一步地，变异概率的调整公式表示为：其中，PM表示变异概率，PMmax、PMmin分别表示最大变异率和最小变异率，kmax表示最大的迭代次数，k表示当前迭代次数。进一步地，粒子位置的更新公式为：其中，r1和r2都表示随机数；k表示当前迭代次数；Pi＝(pi1，pi2，…，piD)T为当前第i个粒子搜寻到的最优位置，上标T表示矩阵转置，d取值范围为[1，D]，D为搜寻的维度；Pg＝(pg1，pg2，…，pgD)T为当前整个粒子群所搜寻到的最优位置；Vi＝(vi1，vi2，…，viD)T为第i个粒子所搜寻到的位置；表示第i个粒子在第k次迭代中d维度上的搜索速度，表示第i个粒子在第k-1次迭代中d维度上的搜索速度；c1、c2都表示加速系数。本专利技术的上述技术方案的有益效果如下：上述方案中，初始化粒子群、最大的迭代次数及图像边缘的灰度阈值；根据图像中像素灰度值与灰度阈值之间的关系，计算粒子适应度，选择适应度大的粒子进入下一代；根据当前迭代次数动态调整变异概率，根据调整后的变异概率，对选择的粒子执行变异操作，并更新粒子的位置；判断当前迭代次数是否达到最大的迭代次数，若是，则获取粒子群最优解得出对应的灰度阈值，否则，返回执行计算粒子适应度的操作；根据得到的粒子群最优解对应的灰度阈值进行图像边缘检测。这样，所述变异型粒子群算法不仅不依赖先验知识，而且具有较强的自适应型和自主学习能力，能够从全局并发求解灰度阈值，较好地规避局部最优值，保持粒子群的多样性，将变异型粒子群算法用于图像边缘检测中，能够提高边缘检测效果和检测效率。附图说明图1为本专利技术实施例提供的基于变异型粒子群算法的图像边缘检测方法的流程示意图；图2为本专利技术实施例提供的基于变异型粒子群算法的图像边缘检测装置的结构示意图。具体实施方式为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。本专利技术针对现有的基于灰度梯度算子的边缘检测方法的边缘检测效果差和检测效率低下的问题，提供一种基于变异型粒子群算法的图像边缘检测方法及装置。为了更好地理解本专利技术实施例所述的基于变异型粒子群算法的图像边缘检测方法，先对传统的粒子群优化算法进行简要说明：在传统的粒子群优化算法中，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；另一个是整个粒子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粒子群所发现的最优值，那么其他粒子也将快速向该粒子靠拢，本文档来自技高网...
【技术保护点】
1.一种基于变异型粒子群算法的图像边缘检测方法，其特征在于，包括：/nS101，初始化粒子群、最大的迭代次数及图像边缘的灰度阈值；/nS102，根据图像中像素灰度值与灰度阈值之间的关系，计算粒子适应度，选择适应度大的粒子进入下一代；/nS103，根据当前迭代次数动态调整变异概率，根据调整后的变异概率，对选择的粒子执行变异操作，并更新粒子的位置；/nS104，判断当前迭代次数是否达到最大的迭代次数，若是，则获取粒子群最优解得出对应的灰度阈值，否则，返回执行S102；/nS105，根据得到的粒子群最优解对应的灰度阈值进行图像边缘检测。/n
【技术特征摘要】
1.一种基于变异型粒子群算法的图像边缘检测方法，其特征在于，包括：
S101，初始化粒子群、最大的迭代次数及图像边缘的灰度阈值；
S102，根据图像中像素灰度值与灰度阈值之间的关系，计算粒子适应度，选择适应度大的粒子进入下一代；
S103，根据当前迭代次数动态调整变异概率，根据调整后的变异概率，对选择的粒子执行变异操作，并更新粒子的位置；
S104，判断当前迭代次数是否达到最大的迭代次数，若是，则获取粒子群最优解得出对应的灰度阈值，否则，返回执行S102；
S105，根据得到的粒子群最优解对应的灰度阈值进行图像边缘检测。
2.根据权利要求1所述的基于变异型粒子群算法的图像边缘检测方法，其特征在于，粒子适应度表示为：
f(t)＝w1(t)*w2(t)*(u1(t)-u2(t))2
其中，t表示图像边缘的灰度阈值，w1(t)表示图像中灰度值小于t的像素的个数，w2(t)表示图像中灰度值大于t的像素的个数，u1(t)表示图像中灰度值小于t的像素的平均灰度值，u2(t)表示图像中灰度值大于t的像素的平均灰度值。
3.根据权利要求1所述的基于变异型粒子群算法的图像边缘检测方法，其特征在于，变异概率的调整公式表示为：
其中，PM表示变异概率，PMmax、PMmin分别表示最大变异率和最小变异率，kmax表示最大的迭代次数，k表示当前迭代次数。
4.根据权利要求1所述的基于变异型粒子群算法的图像边缘检测方法，其特征在于，粒子位置的更新公式为：
其中，r1和r2都表示随机数；k表示当前迭代次数；Pi＝(pi1，pi2，…，piD)T为当前第i个粒子搜寻到的最优位置，上标T表示矩阵转置，d取值范围为[1，D]，D为搜寻的维度；Pg＝(pg1，pg2，…，pgD)T为当前整个粒子群所搜寻到的最优位置；Vi＝(vi1，vi2，…，viD)T为第i个粒子所搜寻到的位置；表示第i个粒子在第k次迭代中d维度上的搜索速度，表示第i个粒子在第k-1次迭代中d维度上的搜索速度；c1、c2都表示加速系数。
【专利技术属性】
技术研发人员：张德政，陈龙，栗辉，李鹏，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。