[发明专利]基于蝙蝠算法和大津算法的红外图像分割方法及系统

权利要求书

1.一种基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，包括步骤：

S10：获取待分割的红外图像；

S20：将大津算法中的类间方差函数作为蝙蝠算法的目标函数，将所述类间方差函数对应的分割阈值变量作为所述蝙蝠算法中的蝙蝠位置变量；

S30：基于所述蝙蝠算法求取目标函数最大时对应的蝙蝠位置，将该蝙蝠位置作为最优分割阈值将所述待分割的红外图像分割为背景区域和目标区域。

2.如权利要求1所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述步骤S20中还对所述蝙蝠算法的参数进行初始化，所述蝙蝠算法的参数包括蝙蝠参数和迭代参数。

3.如权利要求2所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述蝙蝠参数包括蝙蝠的初始位置和初始速度。

4.如权利要求3所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述蝙蝠的初始位置和初始速度均为随机生成。

5.如权利要求2所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述蝙蝠参数还包括蝙蝠的初始脉冲频度r⁰、脉冲频度增加系数θ、初始响度A⁰、响度递减系数ξ、最小声波频率f_min以及最大声波频率f_max中的至少其中之一。

6.如权利要求1所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述步骤S20中的类间方差函数为：

σ_B＝w_F(u_F-u_T)²+w_B(u_B-u_T)²，

其中σ_B为类间方差，w_F和w_B分别为所述待分割的红外图像中目标像素和背景像素所占比例，u_F和u_B分别为目标像素和背景像素灰度值均值，u_T为所述待分割的红外图像中所有像素的灰度值均值,其中

u_T＝w_Fu_F+w_Bu_B。

7.如权利要求2所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述蝙蝠为蝙蝠种群，所述蝙蝠参数包括蝙蝠数量和蝙蝠编号。

8.如权利要求7所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述步骤S30中基于目标函数的值判断各蝙蝠优劣，找出全局最优蝙蝠。

9.如权利要求8所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述步骤S30中还更新迭代各蝙蝠参数，并基于目标函数的值判断各蝙蝠优劣，更新全局最优蝙蝠。

10.如权利要求9所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述迭代参数包括最大迭代次数N，若达到最大迭代次数N，则将所述全局最优蝙蝠的蝙蝠位置作为最优分割阈值。

11.如权利要求9所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述迭代参数包括连续迭代不变次数M，若在连续迭代不变次数M内所述全局最优蝙蝠保持不变，则将所述全局最优蝙蝠的蝙蝠位置作为最优分割阈值。

12.一种基于蝙蝠算法和大津算法的红外图像分割系统，其采用上述任一方法对待分割的红外图像进行分割。