[发明专利]一种基于变异型粒子群算法的图像边缘检测方法及装置

权利要求书

1.一种基于变异型粒子群算法的图像边缘检测方法，其特征在于，包括：

S101，初始化粒子群、最大的迭代次数及图像边缘的灰度阈值；

S102，根据图像中像素灰度值与灰度阈值之间的关系，计算粒子适应度，选择适应度大的粒子进入下一代；

S103，根据当前迭代次数动态调整变异概率，根据调整后的变异概率，对选择的粒子执行变异操作，并更新粒子的位置；

S104，判断当前迭代次数是否达到最大的迭代次数，若是，则获取粒子群最优解得出对应的灰度阈值，否则，返回执行S102；

S105，根据得到的粒子群最优解对应的灰度阈值进行图像边缘检测。

2.根据权利要求1所述的基于变异型粒子群算法的图像边缘检测方法，其特征在于，粒子适应度表示为：

f(t)＝w₁(t)*w₂(t)*(u₁(t)-u₂(t))²

其中，t表示图像边缘的灰度阈值，w₁(t)表示图像中灰度值小于t的像素的个数，w₂(t)表示图像中灰度值大于t的像素的个数，u₁(t)表示图像中灰度值小于t的像素的平均灰度值，u₂(t)表示图像中灰度值大于t的像素的平均灰度值。

3.根据权利要求1所述的基于变异型粒子群算法的图像边缘检测方法，其特征在于，变异概率的调整公式表示为：

其中，P_M表示变异概率，P_Mmax、P_Mmin分别表示最大变异率和最小变异率，k_max表示最大的迭代次数，k表示当前迭代次数。

4.根据权利要求1所述的基于变异型粒子群算法的图像边缘检测方法，其特征在于，粒子位置的更新公式为：

其中，r₁和r₂都表示随机数；k表示当前迭代次数；P_i＝(p_i1，p_i2，…，p_iD)^T为当前第i个粒子搜寻到的最优位置，上标T表示矩阵转置，d取值范围为[1，D]，D为搜寻的维度；P_g＝(p_g1，p_g2，…，p_gD)^T为当前整个粒子群所搜寻到的最优位置；V_i＝(v_i1，v_i2，…，v_iD)^T为第i个粒子所搜寻到的位置；表示第i个粒子在第k次迭代中d维度上的搜索速度，表示第i个粒子在第k-1次迭代中d维度上的搜索速度；c₁、c₂都表示加速系数。

5.一种基于变异型粒子群算法的图像边缘检测装置，其特征在于，包括：

初始模块，用于初始化粒子群、最大的迭代次数及图像边缘的灰度阈值；

选择模块，用于根据图像中像素灰度值与灰度阈值之间的关系，计算粒子适应度，选择适应度大的粒子进入下一代；

变异模块，用于根据当前迭代次数动态调整变异概率，根据调整后的变异概率，对选择的粒子执行变异操作，并更新粒子的位置；

确定模块，用于判断当前迭代次数是否达到最大的迭代次数，若是，则获取粒子群最优解得出对应的灰度阈值，否则，返回执行选择模块；

检测模块，用于根据得到的粒子群最优解对应的灰度阈值进行图像边缘检测。