[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

说明书

本发明公开了一种基于动态收缩蜜蜂觅食算法的图像分割方法及系统，采用动态收缩蜜蜂觅食算法，该算法将整个蜂群分为多个子种群，不同的子种群采用不同的搜索策略以保持算法的多样性，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，逐步找到图像分割的最佳阈值组合。本发明具有不依赖先验知识、算法调节参数少、算法具有较强的自适应能力等特点；此外，动态收缩策略的引入进一步加强了算法在阈值搜索过程中的动态适应性能，提高了算法的搜索效率，使算法在不需要人为参数调整干预的条件下，仍能够快速地搜索到最佳阈值组合。

技术领域

本发明涉及图像处理技术领域，更具体的说是涉及一种基于动态收缩蜜蜂觅食算法的图像分割方法及系统。

背景技术

随着计算机图像处理技术和人工智能技术的不断发展，利用计算机对图像进行分析、筛选和识别已被广泛应用于游戏、娱乐、安全、支付等众多领域。图像分割是计算机图像处理技术的一项基础性技术，其目的是利用一些测量准则将图像分割成若干具有相似特征的区域或提取其边界。图像分割往往作为图像分析、目标识别、计算机视觉等图像处理技术的预处理阶段，图像分割技术的准确性会大幅影响其后续图像处理方法的应用效果。

在各种常用的图像分割方法中，基于阈值的图像分割是一种最有效、最简单、应用最广泛的方法。基于阈值的图像分割分为单阈值图像分割和多阈值图像分割两类，如果一个灰度图像根据其直方图的阈值特征被分成两类，这个过程称为单阈值图像分割。单阈值图像分割适用于将相对简单的图像分为前景和背景两个区域。但是单阈值分割往往无法很好的处理较复杂的图像，例如那些包含多个要分离的对象的图像，往往需要至少选择两个阈值对图像进行多阈值分割。多阈值图像分割有助于对复杂图像进行更精细的分割。然而，随着阈值数目的增加，寻找最优阈值组合的计算过程变得非常耗时，无法满足图像分割对实时性的要求。

现有技术中，基于蜜蜂觅食算法的图像分割方法是一种有效的多阈值图像分割方法，其首先利用侦查蜂对阈值空间进行随机搜索，每个搜索结果代表一个蜜源，并通过适应度函数来评价蜜源的优劣。在每次迭代搜索过程中，适应度函数值较高的一半蜜源被选择出来作为优质蜜源；采蜜蜂被平均分配到优质蜜源附近进行随机搜索，如果搜索不到更好的蜜源则以固定的比率收缩搜索范围；同时，适应度函数值更高的优质蜜源吸引更多的待工蜂在其附近进行一维搜索；侦查蜂在每次迭代搜索过程中对整个阈值空间进行随机搜索。

采蜜蜂在搜索过程中采用搜索范围收缩的策略，但其搜索范围采用固定的比率进行收缩，在对图像进行分割是，选取不同数量的分割阈值个数往往需要对收缩率进行重新设置，以获得较好的阈值搜索效果，自适应性较差。此外，收缩率的大小设置往往需要一定的经验或先验知识，收缩率设置过大会使算法的收敛速度变慢，运行效率大幅降低；收缩率设置过小会造成采蜜蜂无法对优质蜜源进行充分搜索就进入停滞状态，容易陷入局部最优。寻找最优收缩率参数的设置往往耗费较多的时间，大大影响了工程应用进度。

因此，如何提供一种不依赖先验知识、算法调节参数少、算法具有较强的自适应能力的图像分割方法及系统是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于动态收缩蜜蜂觅食算法的图像分割方法及系统，具有不依赖先验知识、算法调节参数少、算法具有较强的自适应能力等特点；此外，动态收缩策略的引入进一步加强了算法在阈值搜索过程中的动态适应性能，提高了算法的搜索效率，使算法在不需要人为参数调整干预的条件下，仍能够快速地搜索到最佳阈值组合。

为了实现上述目的，本发明提供如下技术方案：

一种基于动态收缩蜜蜂觅食算法的图像分割方法，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；