一种基于改进的鸟群算法的自适应皮肤病灶图像分割方法技术

本发明专利技术提出一种基于改进的鸟群算法的自适应皮肤病灶图像分割方法，包括如下步骤：输入皮肤病灶图像，采用加权平均值灰度化图像，将彩色图像转化为灰度图像；基于灰度图像，采用高斯滤波进行去噪处理，随后统计最大灰度值，最小灰度值，以及构建灰度直方图；基于灰度信息，采用混合鸟群算法得到该图像的最佳多阈值集合；基于最佳多阈值对皮肤病灶图像进行自适应分割，最终输出分割后的图像。该发明专利技术有效地对皮肤病灶图像进行分割，显著提升了图像处理的效果，具备极强的自适应能力，解决了目前现有皮肤病灶图像处理效果差的问题。现有皮肤病灶图像处理效果差的问题。现有皮肤病灶图像处理效果差的问题。

【技术实现步骤摘要】
一种基于改进的鸟群算法的自适应皮肤病灶图像分割方法


[0001]本专利技术涉及图像分割
，尤其涉及一种基于改进的鸟群算法的自适应皮肤病灶图像分割方法。

技术介绍

[0002]皮肤病灶图像分割技术，是将皮肤病灶图像中的特征按照同性质的特征进行划分，分割出病变皮肤的区域，为医生专家提供方便。传统的皮肤病灶图像分割技术在获取图像阈值的过程中需要进行大量复杂的计算，运算时间长。同时传统的固定阈值分割技术，无法适应于多张皮肤病灶图像，无法将病变皮肤进行有效的分割，无法满足医生专家的需求。
[0003]因此有必要提出一种基于改进的鸟群算法的自适应皮肤病灶图像分割方法以解决上述问题。

技术实现思路

[0004]本专利技术公开了一种基于改进的鸟群算法的自适应皮肤病灶图像分割方法，其提供一种快速自适应的皮肤病灶图像自动分割方法，代替传统的人为分割，提升图像的分割效果，从而可以有效解决
技术介绍
中涉及的技术问题。
[0005]为实现上述目的，本专利技术的技术方案为：
[0006]一种基于改进的鸟群算法的自适应皮肤病灶图像分割方法，该方法包括如下步骤：
[0007]S1：对输入的皮肤病灶彩色图像采用加权平均值灰度化图像将彩色图像转化为灰度图像；
[0008]S2：基于灰度图像，采用高斯滤波进行去噪处理，随后统计灰度图像信息，所述灰度图像信息包括灰度最大值I
max
和灰度最小值I
min
，构建灰度直方图；
[0009]S3：基于灰度图像信息，采用改进的鸟群优化算法获取皮肤病灶图像的最佳阈值，具体包括如下步骤：
[0010]S31：初始化鸟群的各参数，包括最大迭代次数T
max
，根据灰度图像信息的灰度最大值I
max
和灰度最小值I
min
作为灰度值的上下边界，采用Chebyshev混沌映射函数获取初始化鸟群位置X＝{X1,X2,...,X
N
}，其中X是鸟群集合，X
i
(i＝1,2,...,N)表示第i个鸟群个体，表示第i个鸟群个体的位置信息，表示第i个鸟群个体的第j维的位置信息，D表示问题的维度数；
[0011]S32：对每个鸟群个体位置计算其相应的自适应函数，并筛选出迄今为止最优的适应度值F
best
，将最优的适应度值F
best
所映射的位置记作X
best
，X
best
为迄今为止全局最优解；
[0012]S33：基于迄今为止最优的适应度值F
best
和迄今为止全局最优解X
best
，采用改进的鸟群算法更新鸟群位置，判断更新后的鸟群位置是否超出灰度值的上下边界；
[0013]S34：若更新后的鸟群个体的适应度值不小于更新前的适应度值，则将更新后的鸟群个体的位置替换掉更新前的位置；若更新后的鸟群个体的适应度值小于更新前的适应度
值，则保留更新前的鸟群个体的位置；多次迭代直至达到最大迭代次数，输出适应度值最大的鸟群个体的位置信息X
best
；
[0014]S4：对所获得的最佳阈值皮肤病灶图像进行分割，从而得到分割后的图像。
[0015]作为本专利技术的一种优选改进，步骤S1包括：
[0016]S11：对皮肤病灶彩色图像的R,G,B三个通道，采用加权平均值法对彩色图像进行灰度化处理，其表达式如下：
[0017]R＝G＝B＝w1R+w2G+w3B
[0018]其中，w1,w2,w3分别表示各权重值。
[0019]作为本专利技术的一种优选改进，步骤S31包括：
[0020]对鸟群采用Chebyshev混沌映射模型进行初始化，Chebyshev混沌模型表示为：
[0021]X
n+1
＝cos[K
·
arccos(X
n
)][0022]其中，采用4阶的Chebyshev混沌模型，即K＝4，设定X1为上述初始化种群集合X中随机构建的第一个种群个体，其他种群个体通过Chebyshev混沌映射模型进行初始化。
[0023]作为本专利技术的一种优选改进，步骤S32中，自适应函数采用最大信息熵函数，如下表示：
[0024][0025]其中，上述初始化中预设D个维度，因此便有N
D
＝D+1个图像分割区域，记作c
k
(k＝1,2,...,D+1)，p
k
是在k区域中灰度级出现的概率，p
i
是第i个区域中灰度级出现的概率，H
k
是在k区域中的信息熵，
[0026]作为本专利技术的一种优选改进，步骤S33中，改进的鸟群算法。
[0027]作为本专利技术的一种优选改进，步骤S33具体包括：
[0028]鸟群算法中引入Levy飞行策略以及惯性权重，从而优化鸟群算法的搜索能力，提高鸟群算法的收敛速度及精度；
[0029]基于鸟群算法的位置更新如下：
[0030]鸟群中的个体都遵守以下的5条规则：
[0031]规则1：每个个体都可以选择觅食和警觉这两种状态，选择的方式是随机的；
[0032]由于个体对于这两种状态的选择是随机的，所以可设置一个常数p，在[0,1]之间产生一个随机数r2,当r2＞p时选择觅食状态，否者则选择警戒状态；
[0033]规则2：在觅食状态下，每个个体都会将经过的最优觅食位置以及种群最优觅食位置记录下来并更新，该信息也会被传递到整个种群中进行信息共享；
[0034]每个个体在觅食状态下的位置变化如下：
[0035][0036]其中和表示分别表示t时刻和t+1时刻第i只鸟的所在位置，pbest
i
表示第i只鸟个体在t时刻之前经历的最优位置，gbest
i
表示在t时刻之前鸟群经历的最优位置；C为认知加速系数，S为社会加数系数，两者皆为正整数；r3和r4都是[0,1]之间的随机数；
[0037]规则3：在警觉状态下个体的位置变化如下：
[0038][0039][0040][0041]A1是鸟向种群中心移动时由周围环境产生的间接影响；A2是鸟向种群中心移动时由某个特定干扰引起的直接影响；a1、a2是[0,2]之间的常量；pFit
i
是第i只鸟的到目前为止的最佳适应度值；sumFit是鸟群最佳适应度值之和；ε是最小常数，用于避免零分误差；mean是鸟群的平均位置，k(k≠i)是[1,N]之间随机选择的正整数；r5是[0,1]之间的随机数，r6是[
‑
1,1]之间的随机数；
[0042]规则4：假设鸟群每过一个固定的周期就会进行地点的转移，当鸟群飞往另一个地点时，鸟群中个体会在生产者和乞食者这两种状态之间进行选择，食物储备最多的个体必定保持生产者状态，同样食物储量最低的个体也保持是乞食本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的鸟群算法的自适应皮肤病灶图像分割方法，其特征在于，该方法包括如下步骤：S1：对输入的皮肤病灶彩色图像采用加权平均值灰度化图像将彩色图像转化为灰度图像；S2：基于灰度图像，采用高斯滤波进行去噪处理，随后统计灰度图像信息，所述灰度图像信息包括灰度最大值I
max
和灰度最小值I
min
，构建灰度直方图；S3：基于灰度图像信息，采用改进的鸟群优化算法获取皮肤病灶图像的最佳阈值，具体包括如下步骤：S31：初始化鸟群的各参数，包括最大迭代次数T
max
，根据灰度图像信息的灰度最大值I
max
和灰度最小值I
min
作为灰度值的上下边界，采用Chebyshev混沌映射函数获取初始化鸟群位置X＝{X1,X2,...,X
N
}，其中X是鸟群集合，X
i
(i＝1,2,...,N)表示第i个鸟群个体，表示第i个鸟群个体的位置信息，表示第i个鸟群个体的第j维的位置信息，D表示问题的维度数；S32：对每个鸟群个体位置计算其相应的自适应函数，并筛选出迄今为止最优的适应度值F
best
，将最优的适应度值F
best
所映射的位置记作X
best
，X
best
为迄今为止全局最优解；S33：基于迄今为止最优的适应度值F
best
和迄今为止全局最优解X
best
，采用改进的鸟群算法更新鸟群位置，判断更新后的鸟群位置是否超出灰度值的上下边界；S34：若更新后的鸟群个体的适应度值不小于更新前的适应度值，则将更新后的鸟群个体的位置替换掉更新前的位置；若更新后的鸟群个体的适应度值小于更新前的适应度值，则保留更新前的鸟群个体的位置；多次迭代直至达到最大迭代次数，输出适应度值最大的鸟群个体的位置信息X
best
；S4：对所获得的最佳阈值皮肤病灶图像进行分割，从而得到分割后的图像。2.根据权利要求1所述的一种基于改进的鸟群算法的自适应皮肤病灶图像分割方法，其特征在于，步骤S1包括：S11：对皮肤病灶彩色图像的R,G,B三个通道，采用加权平均值法对彩色图像进行灰度化处理，其表达式如下：R＝G＝B＝w1R+w2G+w3B其中，w1,w2,w3分别表示各权重值。3.根据权利要求1所述的一种基于改进的鸟群算法的自适应皮肤病灶图像分割方法，其特征在于，步骤S31包括：对鸟群采用Chebyshev混沌映射模型进行初始化，Chebyshev混沌模型表示为：X
n+1
＝cos[K
·
arccos(X
n
)]其中，采用4阶的Chebyshev混沌模型，即K＝4，设定X1为上述初始化种群集合X中随机构建的第一个种群个体，其他种群个体通过Chebyshev混沌映射模型进行初始化。4.根据权利要求1所述的一种基于改进的鸟群算法的自适应皮肤病灶图像分割方法，其特征在于，步骤S32中，自适应函数采用最大信息熵函数，如下表示：
其中，上述初始化中预设D个维度，因此便有N
D
＝D+1个图像分割区域，记作c
k
(k＝1,2,...,D+1)，p
k
是在k区域中灰度级出现的概率，p
i
是第i个区域中灰度级出现的概率，H
k
是在k区域中的信息熵，5.根据权利要求1所述的一种基于改进的鸟群算法的自适应皮肤病灶图像分...

【专利技术属性】
技术研发人员：刘佳倪，潘奕旻，唐晨俊，李凯龙，李冲，
申请(专利权)人：刘佳倪，
类型：发明
国别省市：