[发明专利]基于反向和声搜索的脐橙图像分割方法

说明书

本发明公开了一种基于反向和声搜索的脐橙图像分割方法。本发明采用反向和声搜索来优化脐橙图像分割的聚类中心。在反向和声搜索中，首先执行基于反向学习策略的搜索操作产生新个体，然后将产生的新个体与和声库中的最差个体进行竞争，如此循环该搜索过程直到满足终止条件，最后把得到的最优个体解码为脐橙图像分割的聚类中心，即可实现脐橙图像的分割。本发明能够提高脐橙图像的分割精度。

技术领域

本发明涉及图像分割领域，尤其是涉及一种基于反向和声搜索的脐橙图像分割方法。

背景技术

脐橙是一种非常美味的水果，并且它营养丰富，含有多种人体所需的营养成分。然而脐橙的种植是一项非常耗费人力的产业。要实现脐橙种植的大规模化和产业化就必须将自动化和智能化技术融合到脐橙种植的各个环节中。机器视觉技术是智能化种植脐橙的一项重要技术。脐橙图像分割方法是脐橙机器视觉技术中的基础。脐橙图像分割方法在脐橙自动化和智能化生产过程中具有非常重要的作用，例如，脐橙病害自动检测，脐橙品质自动分类，脐橙自动包装等生产技术都要以脐橙图像分割方法为支撑手段。

图像分割的方法有很多，其中利用像素聚类的分割方法具有过程简单，容易实现的优点。因此，它广泛应用于实际工程实践中。基于像素聚类的分割方法其核心是求解出像素划分类别的聚类中心。而传统方法在搜索像素划分类别的聚类中心时往往难以找到全局最优解。为此，许多研究人员利用搜索能力较强的演化算法来优化像素划分类别的聚类中心。其中和声搜索是一种新近涌现出来的演化算法，它在求解许多工程问题中表现出了很大的优势。目前，和声搜索已经广泛地应用到了图像分割领域。例如，刘立群等提出了一种利用改进的和声搜索的玉米叶片病害图像分割方法(刘立群,王联国,火久元,郭小燕.基于改进和声搜索算法的玉米叶片病害图像分割算法[J].计算机应用与软件,2016,33(4):183-186.)；李娜等提出了一种基于混沌和声搜索算法的图像分割方法(李娜,张清泉,王玉荣.基于混沌和声搜索算法的图像分割研究[J].仪器仪表与分析监测,2015,(01):37-40.)；崔兆华等提出了一种融合全局最好和声搜索算法的模糊C均值聚类图像分割方法(崔兆华,高立群,欧阳海滨,李文娜.融合全局最好和声搜索算法的模糊C均值聚类图像分割[J].中国图象图形学报,2013,18(09):1133-1141.)。

从现有的研究成果中可知，许多研究人员已经将和声搜索应用到了图像分割领域，并且取得了一定的分割效果，但是传统和声搜索应用于优化脐橙图像分割的聚类中心时存在着容易陷入局部最优的缺点。因此，为了进一步高效地利用和声搜索来实现脐橙图像的分割，就必须提出改进的和声搜索来提升脐橙图像的分割效果。

发明内容

本发明的目的是提供一种基于反向和声搜索的脐橙图像分割方法。它在很大程度上克服了传统和声搜索应用于优化脐橙图像分割的聚类中心时容易陷入局部最优的缺点，本发明能够提高脐橙图像的分割精度。

本发明的技术方案：一种基于反向和声搜索的脐橙图像分割方法，包括以下步骤：

步骤1，输入一幅脐橙图像IM，然后将图像IM转换为YCrCb颜色空间的图像IMN，并提取图像IMN中每个像素的Cb颜色分量值作为脐橙图像分割数据；

步骤2，用户初始化参数，设置脐橙图像分割类别数量D，和声库的大小HMS，和声库选取概率HMCR，扰动概率PAR，最大评价次数MAX_FEs；

步骤3，令当前演化代数t＝0，并令当前评价次数FEs＝0；

步骤4，随机产生初始和声库其中：个体下标i＝1,2,...,HMS，并且为和声库HM_t中的第i个个体；个体存储了D个分割类别的聚类中心，其中为个体中的第j个聚类中心，其随机初始化公式为：

其中维度下标j＝1,2,...,D；rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数；