[发明专利]基于交叉型粒子群算法的灰度阈值获取、图像边缘检测方法

权利要求书

1.基于交叉型粒子群算法的灰度阈值获取方法，其特征在于，包括以下步骤：

步骤S01，根据图像灰度值进行种群初始化；

步骤S02，计算种群内个体的适应度值；

步骤S03，计算个体的交叉概率，根据交叉概率进行交叉操作；

步骤S04，更新种群内个体的位置；

步骤S05,判断是否满足终止条件，若满足则获取最优解并得到最优灰度阈值；否则执行步骤S02进入下一代种群。

2.根据权利要求1所述的基于交叉型粒子群算法的灰度阈值获取方法，其特征在于，步骤S01的种群初始化包括初始化个体速度、个体位置矢量、初始代种群个体最优位置和全局最优位置。

3.根据权利要求1所述的基于交叉型粒子群算法的灰度阈值获取方法，其特征在于，步骤S02的个体的适应度值按如下公式(1)计算：

f(t)＝w₁(t)*w₂(t)*(u₁(t)-u₂(t))² (1)

其中，f(t)表示个体适应度值，t表示种群初始化后的图像灰度值并作为处理图像的阈值，w₁(t)表示图像中灰度值小于阈值t的像素的个数，w₂(t)表示图像中灰度值大于阈值t的像素的个数，u₁(t)表示图像中的灰度值小于阈值t的像素的平均灰度值，u₂(t)表示图像中灰度值大于阈值t的像素的平均灰度值。

4.根据权利要求1所述的基于交叉型粒子群算法的灰度阈值获取方法，其特征在于，步骤S03的交叉概率按如下公式(2)进行调节：

其中，P_Cmax、P_Cmin分别是最大交叉率和最小交叉率，n_max为最大的迭代次数；n为当前的迭代次数。

5.根据权利要求1所述的基于交叉型粒子群算法的灰度阈值获取方法，其特征在于，步骤S04更新种群内个体的位置按如下公式(3)、(4)计算：

其中，r₁和r₂是[0，1]区间的随机数；为第k代第搜寻到的最优位置；为第k代整个粒子群所搜寻到的最优位置；为第k代第i个粒子的个体速度；为第k代第i个粒子的位置，c₁，c₂为加速系数。

6.根据权利要求5所述的基于交叉型粒子群算法的灰度阈值获取方法，其特征在于，步骤S04还包括更新种群内个体最优位置和全局最优位置。

7.根据权利要求6所述的基于交叉型粒子群算法的灰度阈值获取方法，其特征在于，计算种群的个体最优位置按如下公式(5)计算：

其中，为第k代的第i个粒子个体的适应度值；为第k代的个体最优位置，为第k代第i个粒子的位置；

计算种群的全局最优位置按如下公式(6)计算：

其中，为第k代整个粒子群的全局最优位置。

8.根据权利要求5所述的基于交叉型粒子群算法的灰度阈值获取方法，其特征在于，步骤S04还包括溢出约束限制：设置最大个体速度，当个体速度大于最大个体速度时，将其更新为最大个体速度。

9.一种图像边缘检测方法，其特征在于，包括以下步骤：

步骤一，读取图像信息并计算待边缘检测图像的图像灰度直方图；

步骤二，根据上述权利要求1-8之一的基于交叉型粒子群算法的灰度阈值获取方法获取最优灰度阈值；

步骤三，根据最优灰度阈值进行图像边缘检测。

10.根据权利要求9所述的一种图像边缘检测方法，其特征在于，步骤三中的图像边缘检测基于灰度梯度算子的边缘检测技术。