[发明专利]基于集成策略和声搜索算法的草莓图像分割方法

摘要

本发明公开了一种基于集成策略和声搜索算法的草莓图像分割方法，本发明在和声搜索算法的音调扰动操作中集成了三种音调扰动策略，充分发挥三种音调扰动策略的优势互补。在搜索过程中根据适应值的反馈信息适应性地选择出适合当前演化状态的音调扰动策略。此外，利用和声库的均值信息执行局部搜索操作，加快草莓图像的分割速度。本发明能够加快草莓图像的分割速度，提高分割精度。

主权项

一种基于集成策略和声搜索算法的草莓图像分割方法，其特征是：包括以下步骤：步骤1，利用数字图像传感器采集一幅草莓图像RI，然后将采集到的草莓图像RI转换成为YCrCb色彩空间的草莓图像MI；步骤2，提取草莓图像MI中每个像素的Cb颜色分量值作为聚类数据；步骤3，用户初始化参数，所述初始化参数包括分割类别数目D，和声库大小Popsize，记忆库学习率HMCR，音调扰动率PAR，最大评价次数MAX_FEs；步骤4，当前演化代数t＝0，当前评价次数FEs＝0；步骤5，随机初始化和声库其中个体下标i＝1,2,...,Popsize；并且表示和声库P_t中的第i个个体，由D个分割类别的聚类中心构成；维数下标j＝1,2,...,D；步骤6，计算和声库P_t中每个个体的适应值其中个体下标i＝1,2,...,Popsize；步骤7，当前评价次数FEs＝FEs+Popsize；步骤8，找出和声库P_t中的最优个体，并将其保存到当前最优个体Best^t；步骤9，令当前音调扰动策略序号SI^t＝1+randInt()％3，其中randInt()表示随机整数产生函数，％为取余符号；步骤10，执行集成策略操作算子生成一个试验个体U^t，并计算试验个体U^t的适应值Fit(U^t)，具体步骤如下：步骤10.1，令计数器j＝1；步骤10.2，在[0,1]之间随机产生一个实数r1，如果r1小于记忆库学习率HMCR，则转到步骤10.3，否则转到步骤10.14；步骤10.3，在[1，Popsize]之间随机产生一个正整数RI1，并令步骤10.4，在[0,1]之间随机产生一个实数r2，如果r2小于音调扰动率PAR，则转到步骤10.5，否则转到步骤10.15；步骤10.5，如果当前音调扰动策略序号SI^t等于1则转到步骤10.6，否则判断当前音调扰动策略序号SI^t是否等于2，如果是则转到步骤10.8，否则转到步骤10.9；步骤10.6，在[1，Popsize]之间随机产生两个互不相等的正整数RI2和RI3，并令其中rand(‑1,1)为在[‑1,1]之间服从均匀分布的随机实数产生函数；步骤10.7，转到步骤10.15；步骤10.8，在[1，Popsize]之间随机产生一个正整数RI4，并令然后转到步骤10.15；步骤10.9，在[1，Popsize]之间随机产生一个正整数RI5，并在[0,1]之间随机产生一个实数r3；步骤10.10，均值步骤10.11，方差其中abs为取绝对值函数；步骤10.12，其中NormalRand(MeanV,StdV)表示以MeanV为均值，StdV为方差的高斯随机数产生函数；步骤10.13，转到步骤10.15；步骤10.14，令其中rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数；步骤10.15，令计数器j＝j+1，如果计数器j小于或等于D，则转到步骤10.2，否则转到步骤10.16；步骤10.16，计算试验个体U^t的适应值Fit(U^t)，转到步骤11；步骤11，令当前评价次数FEs＝FEs+1，并找到当前和声库中最差个体步骤12，在当前和声库中的最差个体与试验个体U^t两者之间找出更优个体进入下一代和声库：步骤13，按以下公式更新当前音调扰动策略序号SI^t+1：其中％为取余符号；步骤14，利用和声库的均值信息执行局部搜索操作得到个体LU^t，具体步骤如下：步骤14.1，在[1，Popsize]之间随机产生一个正整数LR1；步骤14.2，计算和声库P_t中所有个体的平均值得到和声库均值个体AIMean；步骤14.3，令优秀个体数量EIN＝max(5,Popsize×r3)，其中r3为[0.05,0.2]之间随机产生的一个实数，max为取最大值函数；步骤14.4，选择出和声库P_t中适应值最好的前EIN个个体，并计算前EIN个个体的平均值得到优秀均值个体EIMean；步骤14.5，在[0,1]之间随机产生一个实数r4；步骤14.6，在[1，Popsize]之间随机产生一个不等于LR1的正整数LR2；步骤14.7，按以下公式计算得到个体LU^t：${\mathrm{LU}}^t=B_{LR2}^t+(AIMean-B_{LR1}^t)\×r4+(EIMean-B_{LR1}^t)\×(1-r4);$步骤14.8，计算个体LU^t的适应值Fit(LU^t)；步骤14.9，如果个体LU^t比个体更优，则用个体LU^t替换和声库中的个体步骤14.10，令当前评价次数FEs＝FEs+1，然后转到步骤15；步骤15，找出和声库P_t中的最优个体，并将其保存到Best^t，然后令当前演化代数t＝t+1；步骤16，重复步骤10至步骤15直至当前评价次数FEs达到MAX_FEs后结束，执行过程中得到的最优个体Best^t为D个分割类别的聚类中心，利用得到的聚类中心对草莓图像中的每个像素进行划分类别，即得到最终的分割结果。