[发明专利]一种基于双策略和声搜索算法的柚子图像分割方法

说明书

技术领域

本发明涉及图像分割领域，尤其是涉及一种基于双策略和声搜索算法的柚子图像分割方法。

背景技术

柚子是一种公认滋补效果非常好的水果。它营养丰富，富含钙、磷、铁、胡萝卜素、硫酸素、核黄素、尼克酸、抗坏血酸等。它不仅具有开胃、促进消化的功效，而且它含有生理活性物质皮苷，能够在一定程度上降低血液的粘滞度，降低形成血栓的风险，因此能够预防心脑血管疾病。由此可知，柚子产业是一个很有潜力的现代农业发展项目。

要实现柚子产业的规模化发展就必须首先实现柚子产业的自动化、智能化，提高生产效率，降低人力成本，并在一定程度上解放柚子产业劳动者的双手。柚子机器视觉技术是实现柚子产业自动化、智能化的核心技术之一，而柚子图像分割又是柚子机器视觉技术的关键基础支撑技术。柚子图像分割问题可以归结成为一个优化问题，而和声搜索算法是一种有效的现代智能优化算法，它已经在很多实际工程应用中获得了很成功的优化结果。例如，王灵等在2011年发明一种基于和声搜索算法的工业无线传感器网络部署的方法(专利号：201110049025.7)，依玉峰等在2012年提出了利用和声搜索算法及聚类分析来对图像进行分割的方法，李阳阳等在2012年发明了一种基于和声搜索算法并融合共邻矩阵谱信息的多目标社区检测方法(专利号：201210066846.6)。虽然和声搜索算法在很多工程领域中获得了成功的结果，但传统和声搜索算法在分割柚子图像时往往存在着分割速度慢，分割精度不高的缺点。

发明内容

本发明的目的是提供一种基于双策略和声搜索算法的柚子图像分割方法，它能够加快柚子图像的分割速度，提高分割精度。

本发明的技术方案：一种基于双策略和声搜索算法的柚子图像分割方法，包括以下步骤：

步骤1，利用摄像机采集一幅柚子图像AI，然后将采集到的柚子图像AI转换成为YCrCb色彩空间的柚子图像BI；

步骤2，提取柚子图像BI中每个像素的Cb颜色分量值作为聚类数据，将提取到的聚类数据按像素在柚子图像BI中的行列坐标存储到矩阵Data中，这样就可以建立起矩阵Data的每个元素与柚子图像AI中每个像素之间的行列坐标的一一对应关系，其中矩阵Data的大小为DH×DW，并且DH的值等于柚子图像AI的高度，DW的值等于柚子图像AI的宽度；

步骤3，用户初始化参数，所述初始化参数包括分割类别数目D，和声库大小Popsize，记忆库学习率HMCR，音调调整率PAR，最大评价次数MAX_FEs；

步骤4，当前演化代数t＝0，当前评价次数FEs＝0；

步骤5，随机产生初始和声库其中：个体下标i＝1,...,Popsize，并且为和声库P_t中的第i个个体，其随机初始化公式为：

其中维数下标j＝1,...,D，并且D表示把图像分割成多少个类别；为在和声库P_t中的第i个个体，存储了D个分割类别的聚类中心，rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数；

步骤6，计算和声库P_t中每个个体的适应值其中个体下标i＝1,...,Popsize，计算个体的适应值的方法为：首先计算矩阵Data中每个元素Data_m,n分别与个体中存储的D个分割类别的聚类中心的距离，Data_m,n与哪个聚类中心的距离最小，则令Data_m,n属于哪个类，然后计算矩阵Data中所有元素Data_m,n与它所属个体中分割类别的聚类中心的距离之和作为个体的适应值，其中适应值越小则表明个体越优秀，并且矩阵行下标m＝1,...,DH，列下标n＝1,...,DW；

步骤7，当前评价次数FEs＝FEs+Popsize；

步骤8，保存和声库P_t中适应值最小的个体为最优个体Best^t；

步骤9，采用双策略操作算子产生一个的试验个体U^t，并计算试验个体U^t的适应值Fit(U^t)，具体步骤如下：

步骤9.1，按以下公式计算当前和声库的搜索下界CA_j和上界CB_j：

其中个体下标i＝1,...,Popsize；维数下标j＝1,...,D；min为取最小值函数，max为取最大值函数；

步骤9.2，令计数器j＝1；