[发明专利]一种基于B型双链量子遗传算法的二维最大熵图像分割方法

说明书

本发明属于量子遗传算法和图像分割领域，尤其涉及一种基于B型双链量子遗传算法的二维最大熵图像分割方法。本发明包括：步骤一、读入图像，读取每个像素点的灰度值f(x,y)；步骤二、计算灰度均值，及某像素点附近八个像素点的平均灰度值g(x,y)；由[f(x,y),g(x,y)]构成二维灰度‑灰度均值直方图；步骤三、参数设置：设置算法参数：种群规模m、每条染色体的基因位数n、最大迭代次数gen、变异概率p_m；步骤四、初始化种群，进行解空间变换，将染色体中上下两条并行基因链所表示的编码空间与寻优解空间建立一一对应的关系等。本发明利用B型双链量子遗传算法对二维最大熵阈值分割方法进行改进，提出分割速度快，具有一定去干扰能力的B型双链量子二维最大熵阈值分割方法。

技术领域

本发明属于量子遗传算法和图像分割领域，尤其涉及一种基于B型双链量子遗传算法的二维最大熵图像分割方法。

背景技术

量子遗传算法最早是由Narayanan根据量子多宇宙的思想提出的量子衍生遗传算法。首次将量子计算和遗传运算相结合。该算法使多个染色体并行搜索，使算法的寻优效率得到了改善，但是该算法易早熟收敛。之后，伊朗科学家Khorsand等人提出了多目标量子遗传算法，该算法具有很好的适应性。2004年，西南交通大学陈辉等人提出了混沌更新旋转门转角的量子遗传算法，通过实验证明算法的收敛性能得到了提高。但是量子遗传算法有一定的盲目性和随机性，且编解码过程复杂多变，使算法速度大大降低；同时，在执行染色体更新操作时，旋转角度需要通过查表来确定，过程繁琐且不灵活，严重影响了算法的效率。针对以上不足，李世勇教授等人提出了双链量子遗传算法(DCQGA)，双链量子遗传算法(DCQGA)直接采用量子比特的概率幅对染色体实施编码，省去了编解码的繁琐；双链量子遗传算法(DCQGA)将染色体中上下并行的两条概率幅同时看作两条基因位链，使它们可以并行搜索，提高了收敛效率；在染色体更新环节提出了自适应的旋转角更新策略，无需再通过查表确定，使得染色体的更新更有效益性。但是双链量子遗传算法(DCQGA)本身仍存在许多缺点。编码空间范围过大，影响搜索速度；量子旋转门更新时转角步长设置不合理，导致越过最优值或导致更新缓慢而造成算法速度慢、精度差、鲁棒性不足等缺陷。

在图像分割中算法种类繁多，其中阈值分割算法是其中最直观易懂且易于实现的，所以最受关注和广泛应用。二维最大熵阈值分割法，通过建立灰度-均值二维直方图，此二维直方图在描述各像素点灰度值的同时又能提现空间域的有关信息，在灰度-均值二维直方图的基础上，以最大熵为准则得到一个二维阈值矢量，将此二维阈值矢量作为图像分割的门限对目标图像分割处理。在二维最大熵阈值分割法中，阈值矢量的选取是关键环节，但是现有的分割方法中，阈值的选取过程复杂度高，分割效率低，且分割效果易受噪声干扰，使分割效果较差。

发明内容

本发明的目的在于针对双链量子遗传算法(DCQGA)的不足提出了基于B型双链量子遗传算法的二维最大熵图像分割方法B_DCQGA。

本发明的目的是这样实现的：

一种基于B型双链量子遗传算法的二维最大熵图像分割方法，包括：

步骤一：读入图像，读取每个像素点的灰度值f(x,y)；

步骤二：计算灰度均值，及某像素点附近八个像素点的平均灰度值g(x,y)；由[f(x,y),g(x,y)]构成二维灰度-灰度均值直方图；

步骤三：参数设置：设置算法参数：种群规模m、每条染色体的基因位数n、最大迭代次数gen、变异概率p_m；

步骤四：初始化种群，进行解空间变换，将染色体中上下两条并行基因链所表示的编码空间与寻优解空间建立一一对应的关系；

步骤五：计算染色体中个基因位的适应度函数的值，记录本代最优解及最优基因位；