[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

说明书

本发明提供一种基于变异型粒子群算法的图像边缘检测方法及装置，能够提高边缘检测效果和检测效率。所述方法包括：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。本发明涉及图像处理技术领域。

技术领域

本发明涉及图像处理技术领域，特别是指一种基于变异型粒子群算法的图像边缘检测方法及装置。

背景技术

边缘检测在图象处理中具有重要的意义，它是模式识别和图像理解系统的前处理阶段，是影响整个系统性能的一个关键因素.经典的边缘检测方法多基于原始图像像素附近的数值导数，例如，基于灰度梯度算子的边缘检测方法。

基于灰度梯度算子的边缘检测方法需要基于先验知识来确定图像边缘的灰度阈值，然而先验知识往往是基于以往的经验总结出来的，并不能很好地适应不同的情况，其处理结果很大程度上依赖预设的灰度阈值，导致边缘检测效果差；且基于灰度梯度算子的边缘检测方法在实际应用过程中实现较为复杂，运算量较大，因此基于灰度梯度算子的边缘检测方法的检测效率低下。

发明内容

本发明要解决的技术问题是提供一种基于变异型粒子群算法的图像边缘检测方法及装置，以解决现有技术所存在的基于灰度梯度算子的边缘检测方法的边缘检测效果差和检测效率低下的问题。

为解决上述技术问题，本发明实施例提供一种基于变异型粒子群算法的图像边缘检测方法，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。

进一步地，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。

进一步地，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。

进一步地，粒子位置的更新公式为：