一种基于仿生寻优机制的二维最大熵孔穴图像分割方法技术

本发明专利技术公开了一种基于仿生寻优机制的二维最大熵孔穴图像分割方法，包括如下步骤：获取图像的二维直方图；利用果蝇寻优算法求出迭代坐标；将获取的迭代坐标作为最佳阈值，使得二维熵最大，利用二维最大熵图像分割算法提取孔穴图像。本发明专利技术现有技术相比，受果蝇群体寻找食物的机制启发，提出了一种具有自适应搜索步长和方向校正机制的仿生寻优算法，然后将提出的仿生寻优算法和二维最大熵分割法结合，提高了孔穴分割的精确度和算法的运算速度。

【技术实现步骤摘要】
一种基于仿生寻优机制的二维最大熵孔穴图像分割方法
本专利技术属于孔穴图像分割
，具体涉及一种基于仿生寻优机制的二维最大熵孔穴图像分割方法。
技术介绍
孔穴作为木质板材的一个微观结构特征和一个影响板材物理力学性能的重要因素,是评价板材等级的重要参数。研究员利用照相机通过显微镜拍摄板材的横切面图像，提出用数字图像处理技术将横切面图像二值化，背景为白色，孔穴为黑色，再根据孔穴率、孔穴大小和孔穴形态等参数对板材物理性能进行综合评价的参数。因此，如何准确地将孔穴与背景分开，对后续的孔穴率计算和板材品质评级都至关重要。由于板材孔穴图像有其自身的特点，有小的孔隙，有树脂分布区域,还有大的板材缺陷等,都不是孔穴提取的内容，都属于噪声。目前采用的图像分割法种类较多，如最大类间差分法、最小误差阈值分割法和最大熵法等。这些方法都是一维阈值化方法，它们都是计算图像的各个灰度级所对应的准则函数的值，通过寻找此函数的最优值来获得全局最佳分割阈值。由此可见这些方法的计算量都很大。而且这些方法都是在图像的灰度直方图上考虑的，没有充分利用图像包含的信息，都容易受到本文档来自技高网...

【技术保护点】
1.一种基于仿生寻优机制的二维最大熵孔穴图像分割方法，其特征在于，包括如下步骤：/nS1：获取图像的二维直方图；/nS2：利用果蝇寻优算法求出最佳阈值，具体过程如下：/nA1：设置每个果蝇群体有m-1个普通果蝇和1个特殊果蝇，随机初始化果蝇群体的初始化位置(X,Y)，初始搜索步长为R，最大迭代次数为N，为了设置自适应搜索步长引入迭代函数(1)：/n

【技术特征摘要】
1.一种基于仿生寻优机制的二维最大熵孔穴图像分割方法，其特征在于，包括如下步骤：
S1：获取图像的二维直方图；
S2：利用果蝇寻优算法求出最佳阈值，具体过程如下：
A1：设置每个果蝇群体有m-1个普通果蝇和1个特殊果蝇，随机初始化果蝇群体的初始化位置(X,Y)，初始搜索步长为R，最大迭代次数为N，为了设置自适应搜索步长引入迭代函数(1)：



其中，n为当前迭代次数；
A2：根据迭代函数(1)得到自适应搜索步长为RL，果蝇根据该步长RL和随机方向搜索食物：
Xi＝X+RxiYi＝Y+Ryi
Rxi＝RL·rand()Ryi＝RL·rand()i＝0,1,2...m-1(2)
式中，i为果蝇编号，Xi，Yi为果蝇个体的位置，Rxi，Ryi为个体果蝇搜寻的路径；
A3：根据果蝇个体的位置坐标计算味道浓度判定值，得到味道浓度判定值为：



A4：定义一个味道浓度判断函数F()，某果蝇个体位置味道浓度Smell表达为：
Smell(i)＝F(S(i))i＝0,1,2...m(4)
A5：找出果蝇群体中味道浓度最大的果蝇i，记录此时Smell(i)和它的搜索路径Rxi，Ryi，让特殊果蝇m沿着此路径行走一半：



A6：将等式(5)的计算结果带入公式(3)、(4)计算出Smell(m)，将之与Smell(i)比较，选取味道浓度大的记作bettersmell，并将其坐标记录下来，并传给(X,Y)：



A7：从步骤A1开始继续迭代，直到超过迭代次数或者下次迭代取得的最大浓度值...

【专利技术属性】
技术研发人员：徐扬，徐立中，太史雁峰，熊允波，沈洁，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32