您好、欢迎来到现金彩票网!
当前位置:21点 > 自适应变异 >

一种基于多目标的自适应阈值图像分割方法技术

发布时间:2019-06-10 14:41 来源:未知 编辑:admin

  本发明专利技术公开了一种基于多目标的自适应阈值图像分割方法,包括以下步骤:1.输入待分割的图像,如果是彩色图像,需转换为灰度图像;2.设置多目标进化自适应目阈值图像分割的参数,将最大阈值分割数设置为5;3.对输入的图像数据分别进行1~5阈值的多目标阈值图像分割;4.通过步骤2将得到1~5阈值下的Parato最优解,利用F函数分别求得1~5阈值下的最优解,5.通过比较F函数值间的差值选择最合适的解作为图像的最佳分割阈值;6.通过选择出来的最佳阈值来对原图像进行类别划分来得到最终的分割结果。本发明专利技术能够实现自适应阈值图像分割,分割结果精确,算法实现简单。

  本专利技术属于图像处理领域,具体涉及一种基于多目标的自适应阈值图像分割方法。

  图像分割是图像处理中最底层也是最重要的一步,其目的是根据图像中的灰度、颜色和纹理等特征将图像划分成若干个互不相交的区域,并使得同一区域具有相似的特征,不同区域间具有明显的特征差异。基于阈值的图像分割方法一般是根据某一个阈值准则来对图像进行阈值分割,因此获得的图像在该准则下是最优的或者是接近最优的。但在实际应用中,图像分割是一个根据人们实际需求和实际应用环境,根据具体的问题进行分割的,因此单个的阈值准则有可能已经满足不了具体的需求,我们需要从多个角度去考虑问题。此外,在阈值数目的选择方面都是先确定好阈值数目再进行分割的,这样就必须人为的判断阈值分割数目。

  本专利技术的目的在于提供一种基于多目标的自适应阈值图像分割方法,以克服上述现有技术存在的缺陷,本专利技术能够实现自适应阈值图像分割,分割结果精确,算法实现简单。为达到上述目的,本专利技术采用如下技术方案:一种基于多目标的自适应阈值图像分割方法,包括以下步骤:步骤一:输入待分割图像,若待分割图像为彩色图像,先将其转换为灰度图像;步骤二:针对步骤一所得到的灰度图像分别进行若干不同阈值数目的多目标进化阈值分割,得到若干不同的Parato解集;步骤三:采用函数Fk求出每个Parato解集中的最优阈值;步骤四:通过比较不同阈值数目下的Fk差值识别最佳阈值分割数目;步骤五:通过最佳阈值分割数目对原图像进行类别划分得到最终的分割结果。进一步地,步骤二中多目标进化阈值分割方法具体为:2a)设置多目标进化阈值分割的参数:最大阈值数目为5,种群规模为200,最大遗传代数为300,交叉概率为0.9,变异概率为0.1,基因变异范围为5~15,基因编码范围0~255;2b)种群初始化,随机产生200个个体,假设有k个阈值则每个染色体有k个基因位,每个基因位取值为0~255,遗传代数g=1;2c)计算种群中每个个体的两个目标函数值,将两个目标函数值分别添加到染色体的k+1、k+2基因位;2d)利用步骤2c)中计算的目标函数值对种群进行非支配排序以及拥挤距离计算,并将个体序值和拥挤距离分别添加到染色体的k+3、k+4基因位;2e)开始进化,采用锦标赛法根据序值和拥挤距离大小从种群中选出一半数量的个体作为父代种群;2f)对父代种群进行交叉和变异操作,产生子代种群;2g)将当前种群与子代种群合并并进行精英选择,获得与初始种群大小相同的新一代种群;2h)如果g300,则执行步骤三,否则,g=g+1,跳转到步骤2c)。进一步地,步骤2c)中的两个目标函数分别为体现类间方差函数f1以及最大可能保留图像原有信息以及边缘轮廓信息的熵函数f2。进一步地,计算种群中每个个体的两个目标函数值具体为:假设一幅图像中包含的像素数目为N,图像中的灰度级范围为[0,…,L],灰度级为i的像素个数为ni,则灰度级i出现的概率为: P i = n i N ]]>

  则目标函数f1为:f1(t1,t2,…tk)=w1(u1-uT)2+w2(u2-uT)2+…+wk+1(uk+1-uT)2其中: w 1 = i = 0 t 1 - 1 p i , ... , w n = i = t n - 1 t n - t n - 1 p i , ... , w k + 1 = i = t k L p i ; ]]>

  u 1 = i = 0 t 1 - 1 i * p i w 1 , ... , u n = i = t n - 1 t n - t n - 1 i * p i w n , ... , u k + 1 = i = t k L i *

  一种基于多目标的自适应阈值图像分割方法,其特征在于,包括以下步骤:步骤一:输入待分割图像,若待分割图像为彩色图像,先将其转换为灰度图像;步骤二:针对步骤一所得到的灰度图像分别进行若干不同阈值数目的多目标进化阈值分割,得到若干不同的Parato解集;步骤三:采用函数Fk求出每个Parato解集中的最优阈值;步骤四:通过比较不同阈值数目下的Fk差值识别最佳阈值分割数目;步骤五:通过最佳阈值分割数目对原图像进行类别划分得到最终的分割结果。

  1.一种基于多目标的自适应阈值图像分割方法,其特征在于,包括以下步骤:步骤一:输入待分割图像,若待分割图像为彩色图像,先将其转换为灰度图像;步骤二:针对步骤一所得到的灰度图像分别进行若干不同阈值数目的多目标进化阈值分割,得到若干不同的Parato解集;步骤三:采用函数Fk求出每个Parato解集中的最优阈值;步骤四:通过比较不同阈值数目下的Fk差值识别最佳阈值分割数目;步骤五:通过最佳阈值分割数目对原图像进行类别划分得到最终的分割结果。2.根据权利要求1所述的一种基于多目标的自适应阈值图像分割方法,其特征在于,步骤二中多目标进化阈值分割方法具体为:2a)设置多目标进化阈值分割的参数:最大阈值数目为5,种群规模为200,最大遗传代数为300,交叉概率为0.9,变异概率为0.1,基因变异范围为5~15,基因编码范围0~255;2b)种群初始化,随机产生200个个体,假设有k个阈值则每个染色体有k个基因位,每个基因位取值为0~255,遗传代数g=1;2c)计算种群中每个个体的两个目标函数值,将两个目标函数值分别添加到染色体的k+1、k+2基因位;2d)利用步骤2c)中计算的目标函数值对种群进行非支配排序以及拥挤距离计算,并将个体序值和拥挤距离分别添加到染色体的k+3、k+4基因位;2e)开始进化,采用锦标赛法根据序值和拥挤距离大小从种群中选出一半数量的个体作为父代种群;2f)对父代种群进行交叉和变异操作,产生子代种群;2g)将当前种群与子代种群合并并进行精英选择,获得与初始种群大小相同的新一代种群;2h)如果g300,则执行步骤三,否则,g=g+1,跳转到步骤2c)。3.根据权利要求2所述的一种基于多目标的自适应阈值图像分割方法,其特征在于,步骤2c)中的两个目标函数分别为体现类间方差函数f1以及最大可能保留图像原有信息以及边缘轮廓信息的熵函数f2。4.根据权利要求3所述的一种基于多目标的自适应阈值图像分割方法,其特征在于,计算种群中每个个体的两个目标函数值具体为:假设一幅图像中包含的像素数目为N,图像中的灰度级范围为[0,…,L],灰度级为i的像素个数为ni,则灰度级i出现的概率为: P i = n i N ]]>

  则目标函数f1为:f1(t1,t2,…tk)=w1(u1-uT)2+w2(u2-uT)2+…+wk+1(uk+1-uT)2其中: w 1 = i = 0 t 1 - 1 p i , ... , w n = i = t n - 1 t n - t n - 1 p i , ... , w k + 1 = i = t k L p i ; ]]>

  u 1 = i = 0 t 1 - 1 i * p i w 1 , ... , u n = i = t n - 1 t n - t n - 1 i * p i w n , ... , u k + 1 = i = t k L i * p i w k + 1 ; ]]>

  u T = i = 0 L i * p i ]]>

  其中,(t1,t2,…tk)为图像的阈值,k为图像所分割的阈值数目,wn(1≤n≤k+1)为第n类像素的灰度出现概率和,un(1≤n≤k+1)...

http://hitomisiri.com/zishiyingbianyi/66.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有