[发明专利]基于FCM融合改进蝙蝠算法的图像分割方法在审
| 申请号： | 201910911292.7 | 申请日： | 2019-09-25 |
| 公开（公告）号： | CN110782460A | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 朱素霞;祖宏亮;孙广路 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06K9/62;G06N3/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于FCM融合改进蝙蝠算法的图像分割方法，该方法属于图像处理技术领域。FCM算法在算法初始化时需要认为设定聚类数、随机初始化聚类中心，致使该算法容易陷入局部最优值。为解决此类问题，本方法利用一种新的改进蝙蝠仿生算法与FCM算法相结方式。用改进的蝙蝠算法得到全局最优解来初始化FCM的聚类中心，解决了FCM算法对初始聚类中心敏感的问题。改进蝙蝠模糊聚类算法耗时少，分割结果准确。 | ||
| 搜索关键词： | 蝙蝠 算法 聚类中心 改进 初始聚类中心 模糊聚类算法 图像处理技术 全局最优解 算法初始化 随机初始化 仿生算法 分割结果 图像分割 初始化 聚类 耗时 敏感 融合 | ||
【主权项】：
1.一种基于FCM融合改进蝙蝠算法的图像分割方法，其特征在于包含以下步骤：/n步骤1：输入待分割图像，设定模糊指数，迭代停止阈值，聚类数目；/n步骤2：初始化蝙蝠算法的相关参数，包括蝙蝠种群，速度，以及蝙蝠的发射频率；/n初始化蝙蝠的脉冲发射速率和响度；/n步骤3：随机从蝙蝠种群中选择C个蝙蝠，其中是随机生成的聚类中心；/n步骤4：计算每只蝙蝠的隶属度矩阵，并且计算每个聚类中心蝙蝠的适应度值；/n步骤5：根据聚类中心蝙蝠的适应度值评估聚类中心的最优解集的集合，从聚类中心中选出最优解；/n步骤6：利用混沌映射微调频率参数和波长参数；/n步骤7：通过调整频率产生一个新解，并且更新速度和位置；/n步骤:8：从最优解集中选择一个解，根据这个解进行局部搜索产生新解，该过程通过使用随机游动来改进最优的位置；/n步骤9：增加脉冲发射率和减少响度；/n步骤10：评价蝙蝠种群；/n计算优化后的最佳适应度值，并且找到当前最优蝙蝠的位置；/n步骤11：直到满足迭代终止条件，程序结束，否则进入步骤4；/n步骤12：输出图像最终分割结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学，未经哈尔滨理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910911292.7/，转载请声明来源钻瓜专利网。
