專(zhuān)利名稱(chēng)：基于協(xié)作量子粒子群算法的多閾值圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理領(lǐng)域，特別涉及一種基于協(xié)作量子粒子群算法的多閾值圖像分割方法。
背景技術(shù)：
閾值分割法作為一種基于區(qū)域的圖像分割技術(shù)，其基本原理是通過(guò)設(shè)定不同的特征閾值，把圖像像素點(diǎn)分為若干類(lèi)。常用的特征包括直接來(lái)自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征。最大類(lèi)間方差閾值分割法作為閾值分割算法中的一種，它的基本思路是將直方圖在某一閉值處理分割成兩組，計(jì)算兩組的方差信息，因方差是灰度分布均勻性的一種度量， 方差值越大，說(shuō)明構(gòu)成圖像的兩部分差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小，因此使類(lèi)間方差最大的分割意味著錯(cuò)分概率最小，此時(shí)的閾值即為最佳閾值。根據(jù)以上的定義，最大類(lèi)間方差法可以很簡(jiǎn)單地?cái)U(kuò)充到多閾值分割，但這種算法對(duì)于每一灰度值都要反復(fù)計(jì)算其對(duì)應(yīng)方差，計(jì)算量較大，例如對(duì)于灰度為256級(jí)的圖像而言，為了獲得閾值，設(shè)每計(jì)算一個(gè)方差的時(shí)間為t,則總的方差運(yùn)算時(shí)間為256*t。因此，按傳統(tǒng)的方法計(jì)算最大類(lèi)間方差已經(jīng)限制了這種算法的發(fā)展?，F(xiàn)有的基于最大類(lèi)間方差的閾值分割法，包括遺傳算法(GA)、蟻群算法以及微粒群算法和最大類(lèi)間方差閾值分割法，將上述算法相結(jié)合，提出了基于群體智能算法的最大類(lèi)間方差閾值分割法，以加快最大類(lèi)間方差方法求最優(yōu)解的速度。上述算法各有優(yōu)點(diǎn)，但也存在不足之處。具體地說(shuō)，以上這些算法都沒(méi)有考慮克服遺傳算法、蟻群算法以及微粒群算法本身的局限，如遺傳算法、蟻群算法收斂速度低；粒子群算法(PSO)雖然收斂速度快，但有著易于陷入局部最小的缺點(diǎn)；基于量子粒子群算法(QPSO)雖然全局搜索能力強(qiáng)，但仍然有著維數(shù)束縛的問(wèn)題?？紤]PSO和QPSO的運(yùn)行過(guò)程可以看出，算法在每一步更新解向量時(shí)，所有維向量被同時(shí)更新，這就可能出現(xiàn)向量中的某些部分更接近真實(shí)解，但是同樣可能的是，其余部分解有可能遠(yuǎn)離了真實(shí)解。而QPSO以及PSO算法只是考慮一種全局上的變化，忽略了局部維上解出現(xiàn)倒退的情況，因此有著受維數(shù)束縛的缺陷。

發(fā)明內(nèi)容
本發(fā)明的目的，在于提供一種基于協(xié)作量子粒子群算法的多閾值圖像分割方法，其可提高基于最大類(lèi)間方差的目標(biāo)函數(shù)的多閾值求解速度，提高分割速度的效率。為了達(dá)成上述目的，本發(fā)明的解決方案是—種基于協(xié)作量子粒子群算法的多閾值圖像分割方法，包括如下步驟(I)根據(jù)最佳分割閾值，建立并初始化第一代粒子群；(2)根據(jù)多閾值分割的適應(yīng)度函數(shù)，計(jì)算每個(gè)粒子的適應(yīng)度值，并計(jì)算每個(gè)粒子的個(gè)體最優(yōu)位置以及所有粒子的全局最優(yōu)位置；(3)利用協(xié)作量子粒子群迭代公式更新所述每個(gè)粒子的位置向量，以及所述每個(gè)粒子的個(gè)體最優(yōu)位置和所有粒子的全局最優(yōu)位置；(4)重復(fù)執(zhí)行步驟(2)至(3)，直至滿(mǎn)足所述粒子群迭代公式的迭代次數(shù)u=Umax，Umax為所述粒子群迭代公式的最大迭代次數(shù)。上述步驟(I)中，最佳分割閾值的計(jì)算方法是設(shè)圖像被{t」，t 2，個(gè)閾值分割為(M-I)個(gè)部分，則最佳分割閾值IV1,t%,需滿(mǎn)足如下條件
權(quán)利要求
1.一種基于協(xié)作量子粒子群算法的多閾值圖像分割方法，其特征在于包括如下步驟 (1)根據(jù)最佳分割閾值，建立并初始化第一代粒子群； (2)根據(jù)多閾值分割的適應(yīng)度函數(shù)，計(jì)算每個(gè)粒子的適應(yīng)度值，并計(jì)算每個(gè)粒子的個(gè)體最優(yōu)位置以及所有粒子的全局最優(yōu)位置； (3)利用協(xié)作量子粒子群迭代公式更新所述每個(gè)粒子的位置向量，以及所述每個(gè)粒子的個(gè)體最優(yōu)位置和所有粒子的全局最優(yōu)位置； (4)重復(fù)執(zhí)行步驟(2)至(3)，直至滿(mǎn)足所述粒子群迭代公式的迭代次數(shù)u=Umax，Ufflax為所述粒子群迭代公式的最大迭代次數(shù)。
2.如權(quán)利要求I所述的基于協(xié)作量子粒子群算法的多閾值圖像分割方法，其特征在于所述步驟(I)中，最佳分割閾值的計(jì)算方法是設(shè)圖像被It1, t 2，. . . ,tj-J個(gè)閾值分割為(M-I)個(gè)部分，則最佳分割閾值IV1, t%,需滿(mǎn)足如下條件
3.如權(quán)利要求I所述的基于協(xié)作量子粒子群算法的多閾值圖像分割方法，其特征在于所述步驟(I)中，在建立并初始化第一代粒子群之前，首先初始化用于圖像分割部分的各個(gè)參數(shù)。
4.如權(quán)利要求3所述的基于協(xié)作量子粒子群算法的多閾值圖像分割方法，其特征在于所述步驟(I)中，建立并初始化第一代粒子群的內(nèi)容是隨機(jī)初始化O個(gè)粒子的初始位置，設(shè)第i個(gè)粒子的初始化位置是Xi(O),并初始化各個(gè)粒子的個(gè)體最優(yōu)位置為Pi (O) =Xi (O);全局最優(yōu)位置為=Pg (O) =min (X1 (O)，X2 (O)，· · ·，X0 (O)}。
5.如權(quán)利要求4所述的基于協(xié)作量子粒子群算法的多閾值圖像分割方法，其特征在于所述第一代粒子群的編碼方式為整數(shù)十進(jìn)制編碼。
6.如權(quán)利要求4所述的基于協(xié)作量子粒子群算法的多閾值圖像分割方法，其特征在于所述圖像分割的對(duì)象是黑白圖像時(shí)，粒子群的上下界設(shè)置為
。
7.如權(quán)利要求I所述的基于協(xié)作量子粒子群算法的多閾值圖像分割方法，其特征在于所述步驟(2)的計(jì)算方法是根據(jù)每個(gè)粒子多閾值分割的適應(yīng)度函數(shù)f (X)的適應(yīng)度值f(xi(t+1))，計(jì)算每個(gè)粒子的個(gè)體最優(yōu)位置Pi(t+1)和全局最優(yōu)位置Pg(t+1)
8.如權(quán)利要求I所述的基于協(xié)作量子粒子群算法的多閾值圖像分割方法，其特征在于所述步驟(3)的內(nèi)容是計(jì)算
9.如權(quán)利要求I所述的基于協(xié)作量子粒子群算法的多閾值圖像分割方法，其特征在于所述步驟(3)的內(nèi)容還包括使用協(xié)作方法更新粒子群個(gè)體和全局最優(yōu)位置 b = Pg ；if f (b (j, Xij)) <f (b (j, Pij))Pij = Xij ； if f (b (j, Xij)) <f (pg) pgJ = Xij. 其中，b(j, Xij)表示使用Xij代替b中的第j列位置，b(j, Xij)表示使用Pu代替b中的第j列位置；根據(jù)所述更新后的每個(gè)粒子的位置向量X(t+1)，更新每個(gè)粒子的個(gè)體最優(yōu)位置和全局最優(yōu)位置。
10.如權(quán)利要求8所述的基于協(xié)作量子粒子群算法的多閾值圖像分割方法，其特征在于所述粒子群的位置向量表示為Xi=(Xn，Xi2，——，xi(M-i))T e Ω ,其中，Xil, xi2,——,Xiftl-D分別為每個(gè)粒子的位置向量，Ω為位置空間。
全文摘要
本發(fā)明公開(kāi)一種基于協(xié)作量子粒子群算法的多閾值圖像分割方法，包括如下步驟(1)根據(jù)最佳分割閾值，建立并初始化第一代粒子群；(2)根據(jù)多閾值分割的適應(yīng)度函數(shù)，計(jì)算每個(gè)粒子的適應(yīng)度值，并計(jì)算每個(gè)粒子的個(gè)體最優(yōu)位置以及所有粒子的全局最優(yōu)位置；(3)利用協(xié)作量子粒子群迭代公式更新所述每個(gè)粒子的位置向量，以及所述每個(gè)粒子的個(gè)體最優(yōu)位置和所有粒子的全局最優(yōu)位置；(4)重復(fù)執(zhí)行步驟(2)至(3)，直至滿(mǎn)足所述粒子群迭代公式的迭代次數(shù)。此種圖像分割方法可提高基于最大類(lèi)間方差的目標(biāo)函數(shù)的多閾值求解速度，提高分割速度的效率。
文檔編號(hào)G06T7/00GK102903113SQ20121037803
公開(kāi)日2013年1月30日 申請(qǐng)日期2012年10月8日 優(yōu)先權(quán)日2012年10月8日
發(fā)明者高 浩, 臧衛(wèi)芹, 楊吉江, 吳冬梅 申請(qǐng)人:南京郵電大學(xué)