[发明专利]一种自适应文化算法的水下声纳图像目标分割方法

权利要求书

1.一种自适应文化算法的水下声纳图像目标分割方法，其特征是，包括以下步骤：

(1)提出采用基于黄金分割率的自适应过滤度参数选择的非局部空间信息去噪方法完成水下声纳图像的平滑去噪处理；

(2)在文化算法的种群空间中，提出基于数据场理论的自适应初始化种群空间算法，并将一种基于新搜索机制的量子衍生混合蛙跳算法作为种群空间的更新策略；

(3)在文化算法的信念空间中，将自适应收缩扩张系数的量子粒子群算法作为信念空间的更新策略，并利用形势知识、规范知识和领域知识作为信念空间的知识更新；

(4)在接受函数中，采用基于种群空间青蛙个体自身经验的自适应接受比率，实现接受比率的动态调节；在影响函数中，结合信念空间的形势知识、规范知识和领域知识改进影响函数。

2.根据权利要求1所述的一种自适应文化算法的水下声纳图像目标分割方法，其特征是：所述的步骤(1)中对于每一幅水下声纳图像都存在过滤度参数集合H＝{h_i|i∈NU}，h_i为第i个像素点对应的过滤度参数值，NU为图像上所有像素点的序号集合；设阈值[hmin,hmax]范围内过滤度参数所在集合为H'，满足条件H'＝{h_i|i∈NU∧h_i≥hmin∧h_i≤hmax}，集合H'的势与集合H的势的比值η表示为采用20幅不同水下声纳图像对应的η作为原始数据进行线性拟合，拟合曲线方程为y＝7.14e-06x+0.613，η的拟合结果近似分布在0.613附近，在误差允许的范围内，过度参数分布的统计规律满足黄金分割率；水下声纳图像第i个像素点对应的过滤度参数值h_i为x(N_j)表示邻域窗口N_j中所有灰度值组成的向量，x(N_p)表示邻域窗口N_p中所有灰度值组成的向量，表示权重欧式距离。

3.根据权利要求1所述的一种自适应文化算法的水下声纳图像目标分割方法，其特征是：在步骤(2)中文化算法的种群空间提出建立数据场，根据数据场自适应寻找最优阈值对种群空间青蛙个体进行初始化；文化算法的种群空间将量子粒子群算法的量子机制与传统混合蛙跳算法相结合，对局部吸引点和更新公式进行改进，利用基于新搜索机制的量子衍生混合蛙跳算法作为种群空间的更新策略；文化算法种群空间的具体更新公式为子种群的局部吸引点为M_w(t)是子种群最差青蛙个体，M_b(t)是子种群最优青蛙个体，M_g(t)是全局最优青蛙个体，t为当前局部迭代次数，μ₁是区间[0,1]内均匀分布的第一随机数，μ₂是区间[0,1]内均匀分布的第二随机数，μ₃是区间[0,1]内均匀分布的第三随机数，β称为收缩扩张系数。

4.根据权利要求1所述的一种自适应文化算法的水下声纳图像目标分割方法，其特征是：在步骤(3)中文化算法的信念空间，为提高粒子对于知识的利用程度以及算法收敛的精度，将信念空间中粒子的适应度函数值以及迭代次数一并作为调整收缩扩张系数的控制因素，利用自适应收缩扩张系数的量子粒子群算法作为信念空间的更新策略；文化算法信念空间的具体更新公式为粒子的局部吸引点为R_i(t)是信念空间中第i个粒子历史最优位置，G(t)是信念空间中全局最优位置，mbest(t)是所有粒子的平均最优位置，自适应收缩扩张系数为T为全局最大迭代次数，t为当前全局迭代次数，f_pg为信念空间中全局最优位置的适应度函数值，f_pi为第i个粒子的适应度函数值，为信念空间中所有粒子平均适应度函数值，f_pw为信念空间中最差粒子的适应度函数值，k为第一参数。

5.根据权利要求1所述的一种自适应文化算法的水下声纳图像目标分割方法，其特征是：在步骤(4)中，调整交流机制，使得算法对种群空间和信念空间的进化信息利用程度增加。