[发明专利]一种结合果蝇优化算法的二维Otsu图像分割方法

权利要求书

1.一种结合果蝇优化算法的二维Otsu图像分割方法，其特征在于，该方法包括以下具体步骤：

步骤1：以f(x，y)(1≤x≤M，1≤y≤N)表示将要分割的一幅大小为M×N的图像，其灰度级为L；在每个像素点处，计算n×n邻域的平均灰度值，得到一幅平滑的图像g(x，y)，其灰度级也为L；采用两条通过阈值向量坐标点(s，t)与灰度级轴所成角为α、β的直线划分以f(x，y)和g(x，y)组成二元组(i，j)定义的二维直方图区域；在二维直方图中坐标轴与x＝L-1的直线和y＝L-1的直线围成的区域中，二维直方图中坐标轴与

g(x，y)cosα-f(x，y)sinα≤tcosα-ssinα and g(x，y)cosβ-f(x，y)sinβ≥tcosβ-ssinβ

围成的区域为目标区域，二维直方图中x＝L-1的直线和y＝L-1的直线与

g(x，y)cosα-f(x，y)sinα＞tcosα-ssinα and g(x，y)cosβ-f(x，y)sinβ＜tcosβ-ssinβ

围成的区域为背景区域，剩余两部分为噪声区域；

步骤2：以f(x，y)和g(x，y)组成二元组(i，j)定义的二维直方图，其中任意一点的联合概率密度定义为p_ij，它表示二元组(i，j)发生的频率，计算概率密度函数为：

其中，i为灰度级大小，j为邻域平均灰度级大小，L为灰度级数值，r_ij为图像灰度级为i邻域平均灰度为j的像素点的个数，即(i，j)出现的频数；

步骤3：计算目标区域和背景区域的概率分别为：

计算目标区域和背景区域对应的均值向量分别为：

计算图像总的均值向量为：

计算图像的类间方差矩阵σ_B(s,t)的迹为：

tr[σ_B(s,t)]＝ω₀[(μ_0i-μ_Ti)²+(μ_0j-μ_Tj)²]+ω₁[(μ_1i-μ_Ti)²+(μ_1j-μ_Tj)²]

其中u_oi和u_oj为目标区域的均值矢量分量，u_1i和u_1j为背景区域的均值矢量分量，u_Ti和u_Tj为图像总的均值矢量分量；

步骤4：计算目标与背景的类内方差分别为：

其中u_oi和u_oj为目标的均值矢量分量，u_1i和u_1j为背景的均值矢量分量；

计算图像的类内方差为：

σ_w＝δ_0iω₀+δ_0jω₀+δ_1iω₁+δ_1jω₁

其中δ_0i和δ_0j为目标的类内方差矢量分量，δ_1i和δ_1j为背景的类内方差矢量分量；

步骤4：计算权重参数C，参数C为调节阈值公式中背景部分的权重，为：

步骤5：计算阈值公式为：

步骤6：对阈值公式采用果蝇优化算法来获得最佳阈值向量D(s^*,t^*)，使得

(s^*,t^*)＝argmax_{0≤s,t≤L-1}{D(s,t)}；

其中，所述果蝇优化算法具体包括：

S1：设置果蝇群体个数，随机初始化果蝇群体位置，设置果蝇群体大小，设置最大迭代次数；

S2：赋予果蝇个体搜索食物的随机方向和距离，设置搜索步长；

S3：计算味道浓度判定值，借此判断是否终止迭代；

S4：由味道浓度判定函数计算每个果蝇的味道浓度值，更新与记录最佳浓度值及其坐标：

S5：迭代次数计数器加一，返回到S2继续向下执行，直到其等于最大迭代次数；

S6：根据最后得到的果蝇坐标获得最佳阈值向量。