【技术实现步骤摘要】
本专利技术属于图像处理领域，特别涉及一种基于协作量子粒子群算法的多阈值图像分割方法。
技术介绍
阈值分割法作为一种基于区域的图像分割技术，其基本原理是通过设定不同的特征阈值，把图像像素点分为若干类。常用的特征包括直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征。最大类间方差阈值分割法作为阈值分割算法中的一种，它的基本思路是将直方图在某一闭值处理分割成两组，计算两组的方差信息，因方差是灰度分布均匀性的一种度量， 方差值越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小，此时的阈值即为最佳阈值。根据以上的定义，最大类间方差法可以很简单地扩充到多阈值分割，但这种算法对于每一灰度值都要反复计算其对应方差，计算量较大，例如对于灰度为256级的图像而言，为了获得阈值，设每计算一个方差的时间为t,则总的方差运算时间为256*t。因此，按传统的方法计算最大类间方差已经限制了这种算法的发展。现有的基于最大类间方差的阈值分割法，包括遗传算法(GA)、蚁群算法以及微粒群算法和最大类间...
【技术保护点】
一种基于协作量子粒子群算法的多阈值图像分割方法，其特征在于包括如下步骤：（1）根据最佳分割阈值，建立并初始化第一代粒子群；（2）根据多阈值分割的适应度函数，计算每个粒子的适应度值，并计算每个粒子的个体最优位置以及所有粒子的全局最优位置；（3）利用协作量子粒子群迭代公式更新所述每个粒子的位置向量，以及所述每个粒子的个体最优位置和所有粒子的全局最优位置；（4）重复执行步骤（2）至（3），直至满足所述粒子群迭代公式的迭代次数u=Umax，Umax为所述粒子群迭代公式的最大迭代次数。
【技术特征摘要】
1.一种基于协作量子粒子群算法的多阈值图像分割方法，其特征在于包括如下步骤 (1)根据最佳分割阈值，建立并初始化第一代粒子群； (2)根据多阈值分割的适应度函数，计算每个粒子的适应度值，并计算每个粒子的个体最优位置以及所有粒子的全局最优位置； (3)利用协作量子粒子群迭代公式更新所述每个粒子的位置向量，以及所述每个粒子的个体最优位置和所有粒子的全局最优位置； (4)重复执行步骤(2)至(3)，直至满足所述粒子群迭代公式的迭代次数u=Umax，Ufflax为所述粒子群迭代公式的最大迭代次数。2.如权利要求I所述的基于协作量子粒子群算法的多阈值图像分割方法，其特征在于所述步骤(I)中，最佳分割阈值的计算方法是设图像被It1, t 2，. . . ,tj-J个阈值分割为(M-I)个部分，则最佳分割阈值IV1, t%,需满足如下条件3.如权利要求I所述的基于协作量子粒子群算法的多阈值图像分割方法，其特征在于所述步骤(I)中，在建立并初始化第一代粒子群之前，首先初始化用于图像分割部分的各个参数。4.如权利要求3所述的基于协作量子粒子群算法的多阈值图像分割方法，其特征在于所述步骤(I)中，建立并初始化第一代粒子群的内容是随机初始化O个粒子的初始位置，设第i个粒子的初始化位置是Xi(O),并初始化各个粒子的个体最优位置为Pi (O) =Xi (O);全局最优位置为=Pg (O) =min (X1 (O)，X2 (O)，· · ·，X0 (O)}。5.如权利要求4所述的基于协作量子粒子群算法的多阈值图像分割方...
【专利技术属性】
技术研发人员：高浩，臧卫芹，杨吉江，吴冬梅，
申请(专利权)人：南京邮电大学，
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。