[发明专利]一种基于动态收缩蜜蜂觅食算法的图像分割方法及系统

权利要求书

1.一种基于动态收缩蜜蜂觅食算法的图像分割方法，其特征在于，具体包括如下步骤：

S100，获取待分割图像的灰度值范围；

S200，根据所述待分割图像的灰度值范围，根据不同的子种群采取不同的搜索策略，并利用动态收缩策略对采蜜蜂的搜索范围进行自适应的动态调整，得到图像分割的最佳灰度阈值组合；

S300，根据所述图像分割的最佳灰度阈值组合，对所述待分割图像进行分割。

2.根据权利要求1所述的一种基于动态收缩蜜蜂觅食算法的图像分割方法，其特征在于，所述S200具体步骤包括：

S210，初始化侦查蜂，侦查蜂数量n_s占整个蜂群规模的10％；

S220，计算初始蜜源的适应度函数值，选出K个优质蜜源，

S230，平均分配采蜜蜂到各个优质蜜源附近进行搜索，采蜜蜂数量n_f占整个蜂群规模的45％；

S240，根据公式(1)分配待工蜂到各个优质蜜源附近进行搜索，待工蜂数量n_o占整个蜂群规模的45％；

其中，N_j为第j个优质蜜源招募的待工蜂数量，fitness_j表示第j个优质蜜源的适应度函数值，fix表示对括号中的内容取整数；

S250，抛弃搜索结果多次停滞的优质蜜源；

S260，分配侦查蜂在整个阈值搜索空间内进行随机搜索；

S270，从当前所有蜜源中选取K个优质蜜源，并记录最优蜜源位置；

S280，判断当前迭代次数是否达到预设的最大迭代次数；若是，进入步骤S290；否则返回至步骤S230进入下一次迭代；

S290，根据最优蜜源位置得到所述图像分割的最佳灰度阈值组合。

3.根据权利要求2所述的一种基于动态收缩蜜蜂觅食算法的图像分割方法，其特征在于，所述S230包括：

S231，计算当前优质蜜源的搜索范围，采蜜蜂在当前优质蜜源附近的搜索范围内进行均匀分布的随机搜索，并根据采蜜蜂的位置计算适应度函数值；

S232：如果位置最好的采蜜蜂的适应度函数值高于当前优质蜜源的适应度函数值，则用最好的采蜜蜂位置替代当前优质蜜源位置成为新的优质蜜源，并对当前优质蜜源的搜索停滞计数器清零；

S233：否则，对当前优质蜜源的搜索停滞计数器加1，并按照公式(2)对当前蜜源的搜索范围进行动态收缩；

其中，S_nh(t)是当前优质蜜源在第t次迭代时的搜索范围，S_nh(t+1)是当前优质蜜源在第t+1次迭代时的搜索范围，T是算法的最大迭代次数。

4.根据权利要求2所述的一种基于动态收缩蜜蜂觅食算法的图像分割方法，其特征在于，所述S240包括：

S241，每个待工蜂均从其所在的优质蜜源出发，根据公式(3)向任意其他优质蜜源方向进行单一维度搜索；

其中，d是在[1,D]之间随机选取的待更新的单一维度，Y_i^d(t)是第i个待工蜂在本次搜索中更新的位置，是待工蜂Y_i^d(t)所属的当前优质蜜源位置，是随机选取的一个与当前优质蜜源位置不同的其他优质蜜源位置，α是一个在(-1,1)之间的随机数；

步骤S242：若更新后的待工蜂位置超出阈值搜索空间上限，则使其回到阈值搜索空间的最大值边界；

步骤S243：若更新后的待工蜂位置超出阈值搜索空间下限，则使其回到阈值搜索空间的最小值边界；

步骤S244：计算当前优质蜜源招募的所有待工蜂的适应度函数，如果位置最好的待工蜂的适应度函数值高于当前优质蜜源的适应度函数值，则用最好的待工蜂位置替代当前优质蜜源位置成为新的优质蜜源，并对当前优质蜜源的搜索停滞计数器清零；

步骤S245：否则，对当前优质蜜源的搜索停滞计数器加1。