[发明专利]基于改进人工蜂群算法的图像分割方法

摘要

本发明公开了基于改进人工蜂群算法的图像分割方法，包括输入待分割图像；设置参数并完成可行解矩阵初始化；构造新解并记录较优的解信息；观察蜂选择蜜源；根据limit的值判断是否舍弃某解；替换最差解；更新全局最优解；判断是否结束循环；得到分割图像。发明可用于灰度图像区域分割，与传统的聚类分割方法相比鲁棒性更强，不易受初始参数影响，可获得稳定的分割结果，并且分割速度较快。

主权项

基于改进人工蜂群算法的图像分割方法，其特征在于，包括：步骤1.输入待分割的灰度图像；步骤2.设置参数并完成可行解矩阵初始化，将所述图像中包含的不同灰度值作为样本，聚类中心值作为算法的解，依次设置蜂群数量ColonySize、最大循环次数MaxCycles、可行解维数Dim以及取值范围、“开采”失败次数上限limit、目标函数，在可行解取值范围内初始化大小为ColonySize*Dim的可行解矩阵，在聚类数取值范围[2，kmax]内，选择最高的平均sil值对应的聚类数k作为改进人工蜂群算法中可行解的维数Dim，待分割灰度图像的最大、最小灰度值规定了可行解的取值范围，将误差和函数作为目标函数；步骤3.构造新解并记录较优的解信息，构造新解vi，并求适应度值，若新解适应度值更优则替换原解，否则解不变，limit的值加一；步骤4.观察蜂选择蜜源，计算信息素，将灵敏度与信息素比较，观察蜂选择蜜源并更新，若新解的适应度值更优则替换原解，limit置零，否则解不变，limit的值再加一；步骤5.根据limit的值判断是否舍弃某解，若某个解的limit的值超过预先设置的limit上限，则按步骤2中初始化可行解的方法产生新的蜜源，蜜源对应的limit值置零，并重新计算适应度值，若limit的值未达到上限，则不进行操作；步骤6.替换最差解，更新每代循环中适应度值最小的解，计算新解的适应度值，若优于原解的适应度值，则替换原解，对应的limit置零，否则解不变；步骤7.更新全局最优解，将本次迭代最优解与全局最优解比较，若适应度值更高，则更新全局最优解，否则全局最优解不变，所述本次迭代最优解具有最高适应度值；步骤8.判断是否结束循环，判断迭代次数是否达到预先设置的最大循环次数，若达到则结束循环并输出全局最优解，否则回到步骤3，迭代次数加一；以及步骤9.得到分割图像。