[发明专利]基于改进灰狼优化算法的复杂图像多阈值分割方法

说明书

本发明公开了一种基于改进灰狼优化算法的复杂图像多阈值分割方法，建立最大熵阈值分割的最优化模型；采用改进灰狼优化算法求解图像分割的最佳分割阈值，其中，对灰狼优化算法的改进包括：首先，改进非线性因子，平衡算法搜索与挖掘能力；然后，引入反向学习策略提高种群质量，再引入正弦函数并调整头狼权重改进灰狼更新公式，增强算法的挖掘能力；接着，交替引入头狼靠拢策略与种群变异策略进行位置更新，前者提高了算法的收敛性能，后者增强了算法跳出局部最优的能力。进而得到灰度图像最佳分割阈值矩阵；最后利用最佳分割阈值矩阵进行图像分割。本发明有效的提高了复杂图像分割的稳定性与分割结果的精度。

技术领域

本发明涉及一种基于改进灰狼优化算法的复杂图像多阈值分割方法。

背景技术

图像分割是图像处理中的重要环节，图像分割的好坏，直接影响着后期图像处理的结果，如目标定位、特征提取、特征识别等。现如今，图像分割的应用领域越来越广，如军事、医学、工业自动化及农业现代化等领域，因此图像高精度、高稳定性的分割显得尤为重要。简单图像仅包含两个区域(背景区域与目标区域)，通过单阈值分割即可将背景区域与目标区域划分出来，然而，工业自动化领域所涉及的图像往往为复杂图像，具有多类区域，目标像素占整幅图像像素的较小比例，直方图分布常呈现为拖尾分布或多峰分布，增加了分割难度，对图像分割算法的寻优性能要求更高。

根据图像分割的分割依据不同，可分为阈值分割方法、边缘分割方法和区域分割方法。其中基于阈值的分割方法因其实现简单、计算量小、性能稳定的特点，被学者广泛使用。阈值分割方法的核心在于如何寻找适当的阈值，最常用的阈值分割方法是基于灰度直方图的方法，如大津法、最大熵、最小交叉熵等。分割方法通过穷举法进行图像单阈值分割，可以快速地获得分割阈值，但进行多阈值分割时，计算量呈指数增长，存在耗时长的缺点。近年来，群智能优化算法因具有并行性、易与其他算法结合等优点，被广泛应用到图像分割中。郭松林于2022年提出了改进的鲸鱼优化算法与图像阈值分割方法，采用大津法作为分割函数，利用改进鲸鱼优化算法进行优化计算，实现了图像的快速分割，但仅适用于单阈值分割；卢建宏等于2022年提出了改进海鸥算法的多阈值图像分割算法，实现了复杂图像的多阈值分割，但当阈值数大于3时，算法存在稳定性较差的缺点。张大明等于2022年提出基于停滞检测的双向搜索灰狼优化算法进行图像分割，以Kapur熵为分割函数，实现了图像的多阈值分割，但算法存在寻优精度低的缺点，不适用于复杂图像。申请号为201910258297.4的中国发明专利申请提出了一种基于改进教与学优化算法的HT-29图像分割方法，通过改进教与学优化算法，实现了HT-29图像精准单阈值分割，但不适用于多阈值图像。

与原始的优化算法相比，利用改进的优化算法进行图像分割优化计算，可以有效地增强算法前期的收敛性与寻优能力，提高图像精准分割的稳定性。但随着图像复杂度的增加，对改进智能优化算法的要求也更高，因此需要设计一种适用于复杂图像的高精度、高稳定性的多阈值分割方法。

发明内容

本发明是针对现有图像分割方法存在前期收敛速度慢、易陷入局部最优、复杂图像分割不准确的问题，而提供一种基于改进灰狼优化算法的复杂图像多阈值分割方法。

本发明所采用的技术方案有：

基于改进灰狼优化算法的复杂图像多阈值分割方法，包括以下步骤：

1)输入图像，进行灰度化处理，获取一维灰度直方图，图像灰度值范围定为[0,255]；

2)建立图像多阈值分割的最大熵优化模型，并将最大熵优化模型作为分割函数；

3)改进灰狼优化算法，应用于分割函数，得到最佳分割阈值矩阵；

4)利用最佳分割阈值矩阵对图像进行多阈值分割，得到分割后的图像。

进一步地，步骤2)中将最大熵优化模型作为分割函数的步骤为；