[发明专利]基于竹子定律和熵的哈里斯鹰机制图像分割方法

说明书

本发明提供一种基于竹子定律和熵的哈里斯鹰机制图像分割方法，将竹子定律和哈里斯鹰机制相结合并用于设计哈里斯鹰机制过渡阶段的能量方程，使求解机制更符合大自然生物的猎捕规律，在全局探索和局部开采两个阶段更能达到有效的平衡。在全局探索阶段使用熵对哈里斯鹰种群进行变异，减小陷入局部最优解的可能。相较于一些基于已有传统群智能的图像分割方法，所设计基于竹子定律和熵的哈里斯鹰机制图像分割方法拥有更快的收敛速度、更高的收敛精度、更高的分割精度和更好的鲁棒性。

技术领域

本发明涉及一种基于竹子定律和熵的哈里斯鹰机制的K均值聚类图像分割方法，属于图像处理领域。

背景技术

图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。常见的图像分割方法有最大类间方差法、最大熵法、最小交叉熵法和K均值聚类法等。近几年来，基于各种群智能方法的图像分割技术逐渐兴起，这类方法使图像分割的速度、分割效果和鲁棒性都有了较大的提升。因此设计一种收敛速度快、收敛精度高并且鲁棒性强的的高精度图像分割方法有重要的理论价值和意义。

经过对文献的查找，李海洋等在《图学学报》(2014，Vol.35，No.05，pp.755-761)发表的“基于随机权重粒子群和K-均值聚类的图像分割”提出了一种基于随机权重粒子群优化和K-均值聚类的图像分割方法，在充分利用K-均值聚类简单、实时性高的优点的同时改善了其容易陷入局部最优解的缺点，达到了较为理想的分割结果。但由于粒子群算法是一种被较早提出的群智能算法，其收敛速度和收敛精度都存在明显的不足，即使对算法进行相应改进，但其仍不能找到最优的聚类初值。李鹏等在《国外电子测量技术》(2022，Vol.41，No.7，pp.9-17)发表的“基于Logistic映射的果蝇算法优化Otsu图像分割方法”中提出了一种利用Logistic混沌映射和高斯游走策略改进果蝇优化算法并将算法应用于Otsu阈值分割法用于图像分割。该方法在实现对果蝇算法改进的同时将改进的算法用于传统Otsu图像分割方法进行改进，一定程度上改善了传统Otsu方法在处理图像时分割精度低、实时性差的缺陷。但由于Otsu方法作为一种传统的基于阈值的图像分割方法，其分割原理上仅以灰度作为分割的标准，因此该方法存在当背景和目标大小比例悬殊时分割效果不好和对噪声敏感等问题。Leena Samantaray等在《Revue d'Intelligence Artificielle》(2020，Vol.34，No.5，pp.541-551)发表的“A New Harris Hawks-Cuckoo Search Optimizer forMultilevel Thresholding of Thermogram Images”提出了一种混合哈里斯鹰算法和布谷鸟算法的融合算法分别改进了Otsu法和Kapur熵法用于图像分割，均取得了较好的分割效果。融合了哈里斯鹰算法和布谷鸟算法的混合算法结合两种提出时间较晚的群智能算法对原始的哈里斯鹰算法进行了改进，改进算法在收敛速度和收敛精度上都有一些提升，但该方法未考虑图像的空间特征，因此在分割效果上仍有待提升。