融合改进人工蜂群与Otsu的图像分割算法.pdf
《融合改进人工蜂群与Otsu的图像分割算法.pdf》由会员分享,可在线阅读,更多相关《融合改进人工蜂群与Otsu的图像分割算法.pdf(5页珍藏版)》请在咨信网上搜索。
1、229第40 卷第6 期2023年6 月真机仿算文章编号:1 0 0 6-9348(2 0 2 3)0 6-0 2 2 9-0 5融合改进人工蜂群与Otsu的图像分割算法徐武,王欣达,高寒,秦浩然?(1.云南民族大学电气信息工程学院,云南昆明6 50 0 0 0;2.中国石油运输公司,新疆乌鲁木齐8 30 0 1 4)摘要:针对传统的RCB颜色空间存在彩色分量的计算量大,不能确切的体现出图像中目标物体的特征,导致分割效果差等问题,在HSV颜色空间的基础上,提出融合改进人工蜂群与Otsu的图像分割算法。根据HSV颜色空间处理局部颜色模型中各通道相对独立的特性,将目标与背景最大程度地区分开来;利用
2、混沌映射方法,对人工蜂群算法的蜜源初始化进行更新,得到比传统伪随机数更优的结果;采用差分进化算法,增加差向量个数建立新的引领蜂搜索方程,获得更加优秀的逼近效果。实验结果表明,改进后的算法PSNR数值对于传统算法都有较大提高,抗噪性能更强,可以更快更精确地得到分割图像。关键词:颜色空间;人工蜂群算法;混沌映射;差分进化中图分类号:TP391.9文献标识码:BImage Segmentation Algorithm by Fusion of ImprovedArtificial Bee Colony and OtsuXU Wu,WANG Xin-da,GAO Han,QIN Hao-ran?2(1
3、.School of Electrical Information Engineering,Yunnan Minzu University,Kunming Yunnan 65000,China;2.China Petroleum Transportation Company,Wulumuqi Xinjiang 830014,China)ABSTRACT:In response to the problem of high computational complexity of color components in traditional RGBcolor space,which cannot
4、 accurately reflect the characteristics of the target object in the image,resulting in poor seg-mentation performance,an image segmentation algorithm combining improved artificial bee colony and Otsu isproposed on the basis of HSV color space.According to the relative independence of each channel in
5、 the local colormodel of HSV color space processing,the target was separated from the background to the maximum extent.Chaosmapping method was used to update nectar source initialization of artificial bee colony algorithm,and better resultsthan traditional pseudo-random number were obtained.The diff
6、erential evolution algorithm was used to increase thenumber of difference vectors to establish a new leading bee search equation,and better approximation results were ob-tained.Experimental results show that the PSNR value of the improved algorithm is better than the traditional algo-rithm,the anti-
7、noise performance is stronger,and the segmented image can be obtained faster and more accurately.KEYWORDS:Color space;Artificial bee colony;Chaos mapping;Differential evolution1引言图像分割就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过程,是在整个图像处理流程中一个至关重要的环节,随着图像分割技术的发展,它在影像基金项目:国家自然科学基金(U1802271);少数民族优秀文化保护传承工程项目(2 0
8、2 1 YNMW005)收稿日期:2 0 2 1-1 0-1 11修回日期:2 0 2 1-1 1-1 5医学、无人驾驶、增强现实等方面都有着不俗的作用。人工蜂群算法是一种基于种群的元启发式智能算法,人工蜂群性能主要取决于搜索方程和个体选择策略,基本人工蜂群的搜索方程包含随机个体信息较强,相较于一般群体智能优化算法。遗传算法的全局搜索和局部开发在求解过程中表现出互补性,但在操作上又具有矛盾性,为更好的平衡二者,同时满足求解效率和求解精度,相关学者从搜索机制改进和融合算法等方面进行了有效研究。王勋等2 提出了一种将遗传230算法与混沌系统和频度记忆相结合的分割方法,降低了误配率并提高了鲁棒性。朱
9、瑛等3 提出了一种运用蚁群算法结合二维Otsu的改进算法,提高了其鲁棒性同时还具有较好的抑制噪声的效果。刘申晓等4 将Otsu算法与粒子群算法相结合,其适应度函数为类间方差,再对粒子群算法进行改进优化,在不影响原本分割效果的情况下,成功地减小了目标的失真度。黄翠玲等5 提出将人工蜂群算法与Otsu分割算法相结合,并提出反向学习策略产生新蜜源,提高了其分割效果。李云红等6 在对红外目标进行分割的基础上,引人了人工蜂群算法,将Otsu算法与其相结合,处理后得到了更加精确的分割目标。通过分析,虽然上述方法都可以有效地对目标图像进行分割,但因都基于RGB颜色空间,导致有着坠人局部最优次数多、收敛速度不
10、够迅速、适应值精度不高等缺点。本文提出了一种在HSV空间进行对人工蜂群算法改进并与二维Otsu融合的算法。在将RGB颜色空间转化到HSV颜色空间的基础上,通过混沌规则和差分进化优化初始化种群和建立新的引领蜂搜索方程,克服了原算法收敛速度慢和趋于局部最优的缺点。结果表明,经过改进算法处理之后的目标图像,具有较强的抗噪能力,分割精准度也大幅提高。2HSV颜色空间的转换图像采集设备所采集的图像通常为RGB图像7 ,RGB图像也被广泛应用在图像处理的各领域,但RGB图像也有自身的局限性,在RCB颜色空间中R、G、B三通道分量以线性组合方式表示不同颜色,难以精确表示不同颜色,定量分析困难8 HSV色彩空
11、间具备良好的设备无关性,因此在图像处理中具有一定的普适性,而且人类视觉色彩空间与HSV更加匹配。对于彩色目标而言HSV色彩空间在局部颜色相同的图像区域,其色相值一致性很高,非常便于图像分割9。故本文采用将RGB图像转换HSV图像的方法。HSV色彩空间中H是色调,用来表示各种色彩;S是饱和度,用来表示颜色值光谱色所占的比值;V是亮度,用来表示颜色明亮的程度。RGB空间HSV空间的具体步骤:步骤1:先对原来的RGB颜色空间的R、G、B转换为0到1 之间的实数,如式(1)所示(T=1R/2558=G/255(1)(b=BB/255设(r、g、b)为R空间的1 个点,归一化后,其为0,1 之间的实数,
12、减少计算的复杂度。步骤2:根据计算出r、g、b 的值计算出H、S、V的值,如式(2)、(3)、(4)所示0if max=08-b60+0,if max=r and g bXmax-min60g-b+360,if max=r and g bHmax一minb-r60+120,if max=gmax-minT-g60+240,if max=bmax-min(2)0if max=0S(max-min)(3)otherwise(max+min)/uV=max(4)式中,max和min分别为r、g、b 中的最大值和最小值。H分量值规范化在0 36 0 之间,S分量规范化在0 2 55之间,但在计算机数值
13、计算时,会将H、S归一化为0,1 之间的实数。3人工蜂群算法人工蜂群算法是研究蜜蜂的社会体系后,模仿蜜蜂在蜜源中收集蜂蜜的行为而总结提炼出的一种解决多变量函数优化问题的算法,以蜜蜂收集蜂蜜的惊人效率,最终在群体中使全局最优值突现出来1 0 OABC算法的具体步骤如下:步骤1:蜜源的初始化,随机生成多个蜜源,如式(5)所示Xi,=Xpin+rand(Xmax-Xpin)(5)式中,X,为第i个蜜蜂第j维搜索后的位置,Ximax表示第维变量的最大值,Xmin表示第j维变量的最小值。步骤2:引领蜂在蜜源按式(6)搜索新蜜源X=X,+R(X,-X)(6)式中:R为0,1 间的随机数。步骤3:跟随蜂将采
14、用轮盘赌的方法进行对引领蜂的选择,并按照式(7)计算概率fit,P;=SN(7)fit;=1解的适应度函数为式(8)1fit;=1+(8)(1+abs(f.),f:0步骤4:计算并记录该位置下适应度函数值,在选择的引领蜂蜜源的领域根据式(6)寻找新的蜜源。若新的蜜源比之前的好,则跟随蜂代替之前的引领蜂。步骤5:如果一个蜜源在阈值L内没有找到更好的蜜源,则将该蜜源遗弃,并产生侦察蜂按照式(9)寻找更好的蜜源231Xminin+rand(Xmax-Xpin)trial LX(9)Xtrial L式中,trial为目前已经迭代的次数,L为代次数的上限。步骤6:记录到目前为止最好的新蜜源,判断新确定的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 融合 改进 人工 蜂群 Otsu 图像 分割 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。