[发明专利]改进反向和声搜索优化的多阈值图像分割方法

摘要

本发明公开了一种改进反向和声搜索优化的多阈值图像分割方法。本发明采用改进反向和声搜索算法来优化图像分割的阈值。在改进反向和声搜索算法中，首先执行和声搜索策略生成一个试验个体，再执行组合反向学习策略产生试验个体的反向个体，然后选择出试验个体与反向个体两者之间的优胜个体，并将选择出来的优胜个体与和声库中的最差个体进行竞争。通过执行组合反向学习策略，本发明能够提高多阈值图像分割的精度。

主权项

1.一种改进反向和声搜索优化的多阈值图像分割方法，其特征在于，包括以下步骤：步骤1，输入需要分割的图像HM；步骤2，用户初始化参数，所述初始化参数包括分割阈值数量D，和声库大小Popsize，变异率Pmu，最大评价次数MAX_FEs；步骤3，令当前演化代数t＝0，当前评价次数FEs＝0；步骤4，设置D个分割阈值的下界LB_j和上界UB_j，其中维度下标j＝1,2,...,D；步骤5，随机产生初始和声库其中个体下标i＝1,2,...,Popsize，并且为和声库P_t中的第i个个体，存储了D个分割阈值；步骤6，计算和声库P_t中每个个体的适应值；步骤7，令当前评价次数FEs＝FEs+Popsize；步骤8，保存和声库P_t中的最优个体Best^t；步骤9，执行和声搜索策略产生一个试验个体V^t，具体步骤如下：步骤9.1，令计数器ki＝1；步骤9.2，如果计数器ki小于或等于D，则转到步骤9.3，否则转到步骤10；步骤9.3，在[0,1]之间产生一个随机实数R1；步骤9.4，如果R1小于Pmu，则转到步骤9.5，否则转到步骤9.6；步骤9.5，令其中rand(0,1)表示在[0,1]之间产生随机实数的函数，然后转到步骤9.8；步骤9.6，按以下公式计算音频因子RX：其中Worst^t为和声库P_t中的最差个体；步骤9.7，令步骤9.8，令计数器ki＝ki+1，转到步骤9.2；步骤10，计算试验个体V^t的适应值，并令当前评价次数FEs＝FEs+1；步骤11，执行组合反向学习策略生成试验个体V^t的反向个体U^t，具体步骤如下：步骤11.1，按以下公式计算和声库P_t的搜索下界和上界其中i＝1,2,...,Popsize，j＝1,2,...,D；min为取最小值函数，max为取最大值函数；步骤11.2，按以下公式计算试验个体V^t的反向个体U^t：其中维度下标j＝1,2,...,D；组合因子HK的值为[0,1]之间的一个随机实数，反向因子CW的值为[0,1]之间的一个随机实数，HI1为[1,Popsize]之间的一个随机整数；步骤12，计算反向个体U^t的适应值，并令当前评价次数FEs＝FEs+1；步骤13，令个体BI^t为试验个体V^t和反向个体U^t两者之间的更优个体；步骤14，在当前和声库中的最差个体Worst^t与个体BI^t两者之间选择出更优个体进入下一代和声库：步骤15，令当前演化代数t＝t+1，并保存和声库P_t中的最优个体Best^t；步骤16，重复步骤9至步骤15直至当前评价次数FEs达到MAX_FEs后结束，将执行过程中得到的最优个体Best^t作为D个分割阈值，利用得到的D个阈值对图像HM进行分割。