[发明专利]一种基于量子粒子群优化的二维双阈值SAR图像分割方法

摘要

本发明公开了一种基于量子粒子群优化的二维双阈值SAR图像分割方法，其实现步骤为：（1）初始化粒子群种群规模M和最大迭代次数T_max，随机生成每个粒子的初始位置；（2）计算适应度函数，根据最大类内方差值得到当前粒子的最优位置和本次迭代的全局最优位置；（3）计算P_id和mbest_d；（4）构造随机数组；（5）设置界定值，判断其与界定值的关系，根据公式更新粒子位置；（6）检查是否达到结束条件，若达到则结束；否则返回步骤（2）继续。（7）全局最优位置指向的粒子的两个维度里保存着所要寻找的一对最优阈值，根据该对阈值对SAR图像进行分割。本发明与经典分割方法相比，对SAR图像分割的效果更好，时间复杂度相对较小。

主权项

一种基于量子粒子群优化的二维双阈值SAR图像分割方法，其特征在于：包括如下步骤： （1）初始化粒子群种群规模M和最大迭代次数T_max，使用随机函数生成每个粒子初始位置(x_i1,x_i2,…,x_is)； （2）根据下式计算获得σ_B作为适应度函数，依据类内方差最大值得到当前粒子的最优位置pbest_id和本次迭代中的全局最优值gbest_d； 其中ω₀＝ω₀(u₁,v₁)，ω₁＝ω₁(u₁,v₁,u₂,v₂)，ω₂＝ω₂(u₂,v₂)是各部分出现的概率，μ₀、μ₁、μ₂是背景和目标的各类灰度条件概率的均值，μ_i(u₁,v₁)、μ_i(u₂,v₂)、μ_j(u₁,v₁)、μ_j(u₂,v₂)、μ_i(L,L)、μ_j(L,L)、μ_Ti、μ_Tj是背景和目标各类灰度的均值； （3）设φ是[0,1]之间的随机数，根据式： p_id＝φ*pbest_id+(1‑φ)*gbest_d计算P_id，根据式计算mbest_d；（4）随机产生两个位置x_j，x_k，并且x_j≠x_k≠x_i，根据式： x_id＝φ*(x_k‑x_j)+(1‑φ)gbest_d±α*|mbest_d‑x_id|*ln(1/u)构造δ，另δ＝x_k‑x_j，构造与维数相同的rand随机数组； （5）设R为界定值，判断其与rand值的关系，当R＞rand时，用式x_id＝φ*(pbest_id‑gbest_d)+gbest_d±α*|mbest_d‑x_id|*ln(1/u)即量子粒子群的位置更新公式来粒子位置，其中x_id为粒子当前位置、pbest_id为粒子当前最优位置， gbest_d为粒子的全局最优位置，φ和u是[0,1]之间的随机数，α为扩张‑收缩因子；当R≤rand，用式x_id＝φ*(x_k‑x_j)+(1‑φ)gbest_d±α*|mbest_d‑x_id|*ln(1/u)来更新粒子的位置； （6）检查是否达到结束条件，即是否取得了适应度值或达到最大迭代次数；若达到结束条件则停止迭代，算法结束；否则返回步骤（2）； （7）gbest_d指向的粒子的两个维度里保存着所要寻找的一对最优阈值，根据该对阈值对SAR图像进行分割。