【技术实现步骤摘要】
本专利技术涉及图像分割，尤其涉及一种基于改进棕熊优化算法的鱼体图像分割方法。
技术介绍
1、鱼体损伤监测在水产养殖和水生态保护领域具有重要意义。鱼体损伤会导致鱼类死亡或生长缓慢，减少养殖产量，增加养殖成本，从而给养殖户带来经济损失，同时，鱼体损伤会成为疾病和寄生虫的入口，增加疾病在养殖场内外传播的风险，影响养殖户的长期收益和社区的公共卫生。
2、图像分割对鱼体损伤进行监测是一种有效的方法，它利用计算机视觉技术自动识别和分析鱼体表面的损伤情况，传统图像分割方法，如阈值分割、边缘检测等，通常依赖预设的参数或人工选择的特征。这些方法在简单场景下可能效果不错，但在复杂的实际应用中，如鱼体损伤检测，可能难以适应多变的背景和损伤类型，导致分割精度和效率不高，同时，传统方法在面对不同种类的鱼或不同光照条件下的图像时，可能需要重新调整参数或选择不同的特征，泛化能力较弱。
3、与其它阈值分割方法相比，二维最大熵阈值法具有较好的分割效果，但是需要大量的运算，从而导致效率低，准确度低等问题，为准确高效的分割出图像的感兴区，通过智能优化算法与二维最大熵阈值法结合，提高提高寻找二维最大熵算法的阈值速度。棕熊优化算法（boa）是一种元启发式的智能优化算法，其设计思想受模拟棕熊的气味标记和嗅探行为所启发，但是，为了追求在前期的全局寻优速度，导致棕熊优化算法迭代后期平衡性差，迭代后期容易陷入局部最优，棕熊优化算法的效果很大程度上取决于参数的设定，因此在实际应用中需要进行适当的调参。
4、msrcr（multi-scale r
技术实现思路
1、本专利技术的目的在于提供一种基于改进棕熊优化算法的鱼体图像分割方法，以解决
技术介绍
中提出的现有技术中，鱼体损伤监测方式繁琐和监测不精确的问题，主要包括：通过改进棕熊优化算法，整定二维最大熵算法的阈值，提高寻找二维最大熵算法的阈值的精度和速度，从而提高二维最大熵算法实现鱼体图像分割的性能。
2、为解决上述技术问题，本专利技术所采用的技术方案是：一种基于改进棕熊优化算法的鱼体图像分割方法，包括以下步骤：
3、s1、获取鱼体图像集并预处理，利用高斯滤波算法去除鱼体图像中的噪声。
4、s2、利用msrcr算法对步骤s1预处理后的鱼体图像进行增强处理，提高鱼体图像的对比度和颜色增强。
5、s3、改进标准棕熊优化算法，具体步骤为：
6、s31、引入指数函数，利用发现因子的最大值和上次迭代的值对棕熊优化算法的发现因子改进，利用改进后的发现因子进一步引入随机参数改进棕熊优化算法的步长因子和权重系数；
7、s32、融合黄金正弦算法，并引入余弦函数，利用当前迭代的最大目标函数值和最小目标函数值以及黄金正弦算法系数最大值和最小值对黄金正弦算法的系数因子和改进，提高棕熊优化算法收敛精度；
8、s33、利用"最佳值判断"机制对棕熊优化算法整定阈值是否达到最优进行判定。
9、s4、利用改进棕熊优化算法整定二维最大熵算法的阈值，得到最佳阈值，利用最佳阈值的二维最大熵算法对增强后的鱼体图像进行分割，得到最终的鱼体图像分割图。
10、优选的，由于一维最大熵算法在信噪比较低时，不容易将感兴区分割出来，分割效果不好；二维最大熵图像分割是在其基础上进行优化，考虑点灰度值和其区域灰度值，建立二维直方图，以最大熵原则，计算其阈值，对图像进行分割；在强干扰下，一维最大熵直方图是单峰，而二维最大熵的直方图还是双峰，可有效的降低噪声扰，因此选用二维最大熵算法。
11、优选的，步骤s1，高斯滤波算法在对图像去噪时，高斯滤波器的核大小通常会影响滤波的程度，但是高斯滤波器的核大小具有普适性，根据现有经验即可使高斯滤波算法达到一个不错的去噪效果，因此选用高斯滤波算法对鱼体图像进行去噪，高斯核是根据高斯函数生成的，其值随着距离中心点的增加而减小，高斯函数的公式为：
12、；
13、式中，和为鱼体图像像素距离中心点的横向和纵向距离，为标准差，控制高斯核的形状。
14、优选的，步骤s2，首先利用msrcr算法对预处理后的鱼体图像进行增强处理，msrcr算法通过在多个尺度上处理图像，相对于直方图均衡化算法，msrcr算法能够有效地增强局部和全局的对比度，使得鱼体的特征和损伤区域更加清晰，便于后续对鱼体图像分割时，对损伤部位分割的更加清晰，提供鱼体图像分割效果。
15、优选的，步骤s3，棕熊优化算法的核心思想是将棕熊寻找食物的过程转化为优化问题中的参数寻优过程，棕熊在寻找食物时包括三个阶段，巡逻阶段：棕熊会以随机的方式在食物附近进行搜索；侦查阶段：当棕熊发现食物时，它会跟踪食物并记录最优路径；回归阶段：当棕熊远离食物时，它会回到记录的最优路径上寻找食物；为了提高棕熊优化算法的效果，通过改进棕熊优化算法侦查阶段的发现因子，提高棕熊在跟踪猎物并记录最优路径的性能，即提高棕熊优化算法在侦查阶段的寻优精度。
16、优选的，改进后的棕熊优化算法的发现因子的数学模型公式为公式（1），利用改进棕熊优化算法的巡逻阶段的位置更新策略模型，如公式（2）所示；
17、（1）；
18、式中，为改进后的发现因子的最大值，为改进后的发现因子上次迭代的值，为改进棕熊优化算法的当前迭代次数，初始时，，为改进棕熊优化算法的最大迭代次数；
19、（2）；
20、式中，为棕熊个体数，总数为；为算法维度，总维度为，取值为1，因此；为第次迭代第只棕熊维的新位置，为第次迭代第只棕熊维的当前位置，为第只棕熊维搜索的随机参数，取值为[0,1]。
21、优选的，改进后的发现因子，在范围[0,1]内非线性变化，在迭代前期，发现因子具备较大的值，可以扩大棕熊优化算法的搜索范围，从而避免因搜索范围过小，导致最优解不在算法寻优范围内，导致后期寻优精度低的问题；迭代后期，发现因子自适应减小，降低全局搜索范围，减小棕熊优化算法的寻优时间，促进局部开发并加快收敛速度，使得在整个算法迭代过程中，全局搜索和局部开发达到更好的平衡。
22、优选的，步骤s31，引入改进后的发现因子改进棕熊优化算法的侦查步长因子，改进后的侦查步长因子数学模型公式为：
23、；
24、式中，为0到1内的随机值。
25、优选的，步骤s31，引入改进后的发现因子改进棕熊优化算法的回归权重系数，改进后的回归权重系数数学模型公式为：
26、；
27、式中，为0到1内的随机值。
28、优选的，步骤s3，融合黄金正弦算法，对黄金正弦算法的和两个系数改进，引入余弦机制和目标函数值，改进后的和数学模型公式为：
本文档来自技高网...【技术保护点】
1.一种基于改进棕熊优化算法的鱼体图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进棕熊优化算法的鱼体图像分割方法，其特征在于，所述步骤S3，改进后的发现因子公式为：
3.根据权利要求2所述的一种基于改进棕熊优化算法的鱼体图像分割方法，其特征在于，所述步骤S31，引入改进后的发现因子改进棕熊优化算法的侦查步长因子，改进后的侦查步长因子数学模型公式为：
4.根据权利要求3所述的一种基于改进棕熊优化算法的鱼体图像分割方法，其特征在于，所述步骤S31，引入改进后的发现因子改进棕熊优化算法的回归权重系数，改进后的回归权重系数数学模型公式为：
5.根据权利要求4所述的一种基于改进棕熊优化算法的鱼体图像分割方法，其特征在于，所述步骤S32，融合黄金正弦算法，引入余弦机制和目标函数值，对黄金正弦算法的和两个系数改进，改进后的和数学模型公式为：
6.根据权利要求1-5任意一项所述的一种基于改进棕熊优化算法的鱼体图像分割方法，其特征在于，所述步骤S4，利用改进棕熊优化算法整定二维最大熵算法的阈值，得到最佳阈值的
7.根据权利要求6所述的一种基于改进棕熊优化算法的鱼体图像分割方法，其特征在于，模拟改进棕熊算法的巡逻阶段、侦查阶段以及回归阶段策略更新棕熊个体的位置，将改进后的棕熊优化算法的发现因子作为改进后棕熊优化算法各阶段平衡的能量因子，具体方法为：
...【技术特征摘要】
1.一种基于改进棕熊优化算法的鱼体图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进棕熊优化算法的鱼体图像分割方法，其特征在于，所述步骤s3，改进后的发现因子公式为：
3.根据权利要求2所述的一种基于改进棕熊优化算法的鱼体图像分割方法，其特征在于，所述步骤s31，引入改进后的发现因子改进棕熊优化算法的侦查步长因子，改进后的侦查步长因子数学模型公式为：
4.根据权利要求3所述的一种基于改进棕熊优化算法的鱼体图像分割方法，其特征在于，所述步骤s31，引入改进后的发现因子改进棕熊优化算法的回归权重系数，改进后的回归权重系数数学模型公式为：
5.根据权利要...
【专利技术属性】
技术研发人员：郑千艺，唐钊海，江智杰，黄嘉欣，谢晓嫣，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：
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。