[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

说明书

一种自适应文化算法的水下声纳图像目标分割方法涉及图像处理技术领域，具体涉及一种自适应文化算法的水下声纳图像目标分割方法。一种自适应文化算法的水下声纳图像目标分割方法。包括如下步骤：(1)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平滑去噪处理；(2)在文化算法的种群空间中，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；(4)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。本发明具有更好的寻优能力和提高搜索效率，能更好的提高分割精度，有一定的有效性和适应性。

技术领域

本发明涉及图像处理技术领域，具体涉及一种自适应文化算法的水下声纳图像目标分割 方法。

背景技术

近年来由于声纳成像具有作用距离远、穿透力强等优点，因而在水下地貌勘测，水雷探 测、坝基检测等领域得到了广泛的应用。水下目标识别技术包括图像去噪，目标分割、特征 提取以及分类等过程。由于受到海洋环境复杂性以及多种干扰因素的影响，水下声纳图像普 遍存在斑点噪声突出、对比度低、边缘细节模糊等问题，影响对图像的进一步处理。因此， 对水下声纳图像进行平滑去噪处理是必不可少的一步，它有利于后续的目标分割。水下声纳 图像目标分割的目的是要从复杂背景区中提取出目标高亮区和阴影区域，并尽量保留图像原 始边缘信息。目前，关于图像分割技术的研究很广泛，但在水下声纳图像领域研究较少。智 能优化算法具有鲁棒性强、适用性强、很好的全局搜索能力，是一种研究复杂优化问题较好 的解决方法。将智能优化算法与量子机制相结合，能提高种群多样性，扩大搜索范围，进一 步提高寻优能力，避免陷入局部最优解。因此，应用智能优化算法与量子机制相结合具有很 好的发展和应用前景，其中在已有的文献中最著名和效果的方法主要包括：1.一种基于量子 衍生自适应协同进化的最小属性约简方法：2013年Ding Weiping,Wang Jindong.A novel approach to minimum attribute reduction based onquantum-inspired self-adaptive cooperative co-evolution.Knowledge-BasedSystems,2013,50(3):1-13.提出基于量子 衍生混合蛙跳算法的属性集约简方法，提高种群的多样性。2.改进量子粒子群算法在高维和 多模态函数中的应用：2016年JinTian.Improvement of quantum-behaved particle swarm optimization algorithm forhigh-dimensional and multi-modal functions.Control and Decision,2016,11(31):1967-1972.提出将迭代次数作为影响收缩扩张系数变化的因素，使 收缩扩张系数在区间(0.5,1]内随着迭代次数的增加而线性减小。3.基于中性集合和量子行为 的粒子群优化算法的侧扫声纳图像分割：2016年Zhao Jianhu,Wang Xiao,Zhang Hongmei,Hu Jun,JianXiaomin.Side scan sonar image segmentation based on neutrosophic set andquantum-behaved particle swarm optimization algorithm.Marine GeophysicalResearch, 2016,37(3):229-241.提出了一种基于中性集合和量子粒子群优化的分割算法，有效地实现 侧扫声纳图像的分割。4.结合非局部空间信息和量子衍生混合蛙跳算法的水下声纳图像检测： 2017年Wang Xingmei,Liu Shu,Liu Zhipeng.Underwater sonarimage detection:A combination of non-local spatial information and quantum-inspired shuffled frog leaping algorithm.PLOS ONE,2017,12(5):1-30.提出一种自适应过滤度参数选择的非局 部空间信息去噪方法，改善了非局部空间信息对水下声纳图像的去噪效果。同时，将量子衍 生混合蛙跳算法与量子粒子群搜索机制相结合，完成水下声纳图像目标的检测。