本發(fā)明屬于色選機的圖像處理技術(shù)領(lǐng)域，特別是一種基于模擬退火算法的圖像處理方法。

背景技術(shù)：

光電色選機綜合利用了現(xiàn)代光學(xué)、電子學(xué)和生物學(xué)等新技術(shù),是典型的光、機、電一體化的高新技術(shù)設(shè)備。色選是大米精加工中最終質(zhì)量控制和質(zhì)量強化的一道工序，由此去除黃色、黑、紅、腹白等異色粒和微小病斑等瑕疵米粒，以提高大米的純度，增強產(chǎn)品的質(zhì)量和競爭力。通過剔除大米中的黃米、病斑米等異色雜質(zhì)，首先可以在感官上提升大米的競爭力，刺激人們的購買欲望，其次雜質(zhì)的剔除有效地降低了大米的黃曲霉素等有害物質(zhì)，實實在在地提升大米的質(zhì)量，提升人們的消費品位。因此，色選機成為大米加工企業(yè)提高產(chǎn)品質(zhì)量和衡量企業(yè)實力的關(guān)鍵設(shè)備，越來越多的企業(yè)選擇并應(yīng)用它，色選機具有很好的發(fā)展前景，市場發(fā)展逐步成熟。

隨著色選機在大米加工企業(yè)中應(yīng)用的推廣，人們對色選機的要求也越來越高，既要求色選機具有良好的色選效果，又要求色選機的產(chǎn)量大。色選效果包括兩個方面：色選精度和帶出比。色選精度是指色選后成品的質(zhì)量，以成品中好料占總重量百分比來衡量；帶出比是指色選時選出的廢料中壞料與好料的比例，色選精度高、帶出比低而且產(chǎn)量大的色選機才是先進的色選機。同時新興的雜糧領(lǐng)域異軍突起，為色選機提供了新的應(yīng)用平臺，現(xiàn)在色選機已經(jīng)應(yīng)用在了葵花籽、枸杞、白瓜子、葡萄干等領(lǐng)域，它們對色選機的要求更高，這些應(yīng)用領(lǐng)域使用的色選機價格相對較高，利潤相對較大，使色選機即面臨機遇，又面臨新的挑戰(zhàn)。除了在農(nóng)業(yè)方面的應(yīng)用外，色選機也在工業(yè)領(lǐng)域得到了應(yīng)用，如色選機在塑料和礦石等領(lǐng)域得到了應(yīng)用。色選機技術(shù)的發(fā)展水平越來越高，市場競爭也越來越激烈，色選機的競爭將是高新技術(shù)和低成本的較量。

色選機的競爭力主要體現(xiàn)在色選的精度高，識別率高，而色選機的圖像處理方法是其能夠提高色選效率的關(guān)鍵因素。目前色選機技術(shù)領(lǐng)域還沒有一種通過模擬退火算法對圖像進行處理色選的方法。

技術(shù)實現(xiàn)要素：

為解決上述技術(shù)問題，本發(fā)明提供了一種基于模擬退火算法的圖像處理方法，其包括以下步驟：

S1：獲取原始圖像，將原始圖像通過分成若干個像素，提取每個像素的灰度值，并將所述灰度值作為初始最優(yōu)點X0；

S2：以該點作為當(dāng)前最優(yōu)點X^O＝X₀，并計算其目標(biāo)函數(shù)值f(X^O)；

S3:設(shè)置初始溫度T＝T0，其中T0應(yīng)充分大，降溫次數(shù)n＝0；

S4：設(shè)置循環(huán)計數(shù)器的初值k＝1，以及最大循環(huán)步數(shù)LOOPmax；

S5：對當(dāng)前最優(yōu)點X0作一個隨機變動產(chǎn)，產(chǎn)生一個新的最優(yōu)點X^N，計算新的目標(biāo)函數(shù)值f(X^N)，并計算目標(biāo)函數(shù)值的增量Δf＝f(X^N)-f(X^O)；

S6：如果Δf≤0，則接受該新產(chǎn)生的最優(yōu)點X^N為當(dāng)前最優(yōu)點X^O＝X^N；如果

Δf＞0，計算p＝exp(-Δf/T)，如果p＞rand(0，1)，則接受該新產(chǎn)生的最優(yōu)解X^N為當(dāng)前最優(yōu)點X^O＝X^N；否則X⁰不改變；

S7：如果k＜LOOP_max，則k＝k+1，轉(zhuǎn)向第四步；

S8:如果不滿足收斂準(zhǔn)則，則根據(jù)溫度更新函數(shù)更新溫度：T＝T(n)，降溫次數(shù)n＝n+1，轉(zhuǎn)向第三步；如果滿足收斂準(zhǔn)則，則輸出當(dāng)前最優(yōu)點，計算結(jié)束。

本發(fā)明具有以下有益效果：

本發(fā)明提供的基于模擬退火算法的圖像處理方法，通過對圖像的每個像素的灰度使用模擬退火算法進行更新優(yōu)化，為一種全新的圖像優(yōu)化方法，特別針對一些圖像像素較低，圖像質(zhì)量不清晰的圖像識別。

當(dāng)然，實施本發(fā)明的任一產(chǎn)品并不一定需要同時達到以上所述的所有優(yōu)點。

具體實施方式

下面將結(jié)合本發(fā)明實施例對本發(fā)明中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本發(fā)明保護的范圍。

本發(fā)明實施例提供了一種基于模擬退火算法的圖像處理方法，其包括以下步驟：

S1：獲取原始圖像，將原始圖像通過分成若干個像素，提取每個像素的灰度值，并將所述灰度值作為初始最優(yōu)點X0；

S2：以該點作為當(dāng)前最優(yōu)點X^O＝X₀，并計算其目標(biāo)函數(shù)值f(X^O)；

S3:設(shè)置初始溫度T＝T0，其中T0應(yīng)充分大，降溫次數(shù)n＝0；

S4：設(shè)置循環(huán)計數(shù)器的初值k＝1，以及最大循環(huán)步數(shù)LOOPmax；

S5：對當(dāng)前最優(yōu)點X0作一個隨機變動產(chǎn)，產(chǎn)生一個新的最優(yōu)點X^N，計算新的目標(biāo)函數(shù)值f(X^N)，并計算目標(biāo)函數(shù)值的增量Δf＝f(X^N)-f(X^O)；

S6：如果Δf≤0，則接受該新產(chǎn)生的最優(yōu)點X^N為當(dāng)前最優(yōu)點X^O＝X^N；如果

Δf＞0，計算p＝exp(-Δf/T)，如果p＞rand(0，1)，則接受該新產(chǎn)生的最優(yōu)解X^N為當(dāng)前最優(yōu)點X^O＝X^N；否則X^O不改變；

S7：如果k＜LOOP_max，則k＝k+1，轉(zhuǎn)向第四步；

S8:如果不滿足收斂準(zhǔn)則，則根據(jù)溫度更新函數(shù)更新溫度：T＝T(n)，降溫次數(shù)n＝n+1，轉(zhuǎn)向第三步；如果滿足收斂準(zhǔn)則，則輸出當(dāng)前最優(yōu)點，計算結(jié)束。

本發(fā)明提供的基于模擬退火算法的圖像處理方法，通過對圖像的每個像素的灰度使用模擬退火算法進行更新優(yōu)化，為一種全新的圖像優(yōu)化方法，特別針對一些圖像像素較低，圖像質(zhì)量不清晰的圖像識別。

以上公開的本發(fā)明優(yōu)選實施例只是用于幫助闡述本發(fā)明。優(yōu)選實施例并沒有詳盡敘述所有的細節(jié)，也不限制該發(fā)明僅為所述的具體實施方式。顯然，根據(jù)本說明書的內(nèi)容，可作很多的修改和變化。本說明書選取并具體描述這些實施例，是為了更好地解釋本發(fā)明的原理和實際應(yīng)用，從而使所屬技術(shù)領(lǐng)域技術(shù)人員能很好地理解和利用本發(fā)明。本發(fā)明僅受權(quán)利要求書及其全部范圍和等效物的限制。