一種基于自適應步長和聲搜索算法的臍橙圖像分割方法
【技術領域】
[0001] 本發明設及圖像分割領域，尤其是設及一種基于自適應步長和聲捜索算法的廝澄 圖像分割方法。
【背景技術】
[0002] 隨著廝澄產業的發展，廝澄采摘的智能化機器人正在逐漸應用到廝澄生產領域 中。機器視覺技術是廝澄采摘機器人的核屯、技術之一，而廝澄圖像分割又是廝澄采摘機器 人的機器視覺系統部分的關鍵技術。廝澄圖像分割就是將采集的廝澄圖像分割成為幾個不 同的部分，標識出圖像中的廝澄部分，從而為廝澄采摘機器人的采摘提供定位指導。廝澄圖 像分割效果的優劣往往會直接會影響到廝澄采摘機器人的采摘精度。
[0003] 和聲捜索算法是近年來提出的一種智能優化算法，它的結構很簡單，但它的性能 很有潛力。和聲捜索算法已經在很多工程領域取得了成功的應用，例如，王靈等在2011年 發明一種利用和聲捜索算法來優化工業無線傳感器網絡部署的方法，李陽陽等在2012年 發明了一種利用和聲捜索算法并融合共鄰矩陣譜信息的多目標社區檢測方法，依玉峰等在 2012年提出了基于和聲捜索算法及聚類分析的圖像分割方法。雖然和聲捜索算法在很多工 程領域中取得了成功的應用，但傳統和聲捜索算法在分割廝澄圖像時往往存在著分割速度 慢，分割精度不高的缺點。
【發明內容】
[0004] 本發明主要是解決現有技術所存在的技術問題，針對傳統和聲捜索算法應用于廝 澄圖像分割時往往存在著分割速度慢，分割精度不高的缺點，提出一種基于自適應步長和 聲捜索算法的廝澄圖像分割方法。本發明能夠加快廝澄圖像分割速度，提高分割精度。
[0005] 本發明的技術方案；一種基于自適應步長和聲捜索算法的廝澄圖像分割方法，包 括W下步驟：
[0006] 步驟1，利用攝像機采集一幅廝澄圖像01，然后將采集的廝澄圖像01轉換成為 Y化Cb色彩空間的圖像YI;
[0007] 步驟2,提取圖像YI中每個像素的Cb顏色分量值作為聚類數據，將提取到的聚類 數據按像素在圖像YI中的行列坐標存儲到矩陣DCB中，由此可得到矩陣DCB中每個元素與 圖像01中每個像素之間的行列坐標--對應關系，其中矩陣DCB的大小為HXW，并且H的 值等于圖像YI的高度，W的值等于圖像YI的寬度；
[000引步驟3,用戶初始化參數，所述初始化參數包括分割類別數目D，和聲庫大小 化psize，記憶庫學習率HMCR，反向鄰域大小NK，最大評價次數MAX_FEs;
[0009] 步驟4,當前演化代數t=0,當前評價次數陽S=0;
[0010] 步驟5，隨機產生初始和聲庫巧二'[公|'，公;，1<，公;，1<_，公;,",,..&,}，其中：下標1 = 1，...，化psize，并且為和聲庫Pt中的第i個個體，其隨機初始化公式為；
[0011]公;J. =(/-l)x255.0/D + rand(0，l)xC55.0/D-1.0)
[0012] 其中下標j= 1，...，D，并且D表示要將圖像分割成多少個類別；A'為在和聲庫 Pt中的第i個個體，存儲了D個分割類別的聚類中屯、，rand(0, 1)為在[0, 1]之間服從均勻 分布的隨機實數產生函數；
[001引步驟6,計算和聲庫Pt中每個個體武I的適應值)，其中下標i= 1，...，化psize，計算個體及；的適應值F(及）的方法為；首先計算矩陣DCB中每個元素 DCBm,。分別與個體公，'中存儲的D個分割類別的聚類中屯、的距離，DCBm,。與哪個聚類中屯、的距 離最小，則令DCBm,。屬于哪個類，然后計算矩陣DCB中所有元素DCBm,。與它所屬個體公中分 割類別的聚類中屯、的距離之和作為個體式的適應值，其中適應值越小則表明個體越優秀， 并且矩陣行下標m= 1，. . .，H，列下標n= 1，. ..，W;
[0014] 步驟7,當前評價次數陽s=陽s+Popsize，并保存和聲庫Pt中適應值最小的個體 為最優個體Best%令音調調整率PAR= 0. 01 ;
[0015] 步驟8,采用自適應步長策略產生一個試驗個體護，并計算試驗個體護的適應值 F扣t)，具體步驟如下；
[0016]步驟8.1，令計數器j=1 ;
[0017] 步驟8.2,在[0, 1]之間隨機產生一個實數rl，如果rl小于記憶庫學習率HMCR，則 轉到步驟8. 3,否則轉到步驟8. 13 ;
[00化]步驟8.3,在[1，D]之間隨機產生一個正整數RI1，并令U]=公;;
[0019] 步驟8. 4,在[0,U之間隨機產生一個實數社如果r2小于音調調整率PAR,則轉 到步驟8. 5,否則轉到步驟8. 14 ;
[0020] 步驟8. 5,在[0, 1]之間隨機產生一個實數r3,如果r3等于0.25,0.50或0.75,則 再重新產生它直到r3不等于0. 25,0. 50或0. 75;
[0021] 步驟8.6,令中間變量TCI=r3 ;
[0022] 步驟8. 7,令計數器Ct= 1 ;
[0023] 步驟8. 8,按Logistic混濁公式計算捜索因子CI的值：
[0024] CI= 4. 0XTCIX(1. 0-TCI);
[0025] 步驟8.9,令中間變量TCI=CI ;
[0026] 步驟8. 10,令計數器Ct=Ct+1，如果計數器Ct小于或等于350,則轉到步驟8. 8， 否則轉到步驟8. 11 ;
[0027] 步驟 8. 11，令;二公"+ [C/X2 - 1]X(公"-公，如果[/j大于 2貼或者巧 小于0,則令;否則保持?值不變；
[002引步驟8. 12,轉到步驟8. 14 ;
[0029] 步驟 8. 13,令=a- 1)X255.0/D+rand(O.l)X口55.0/D- 1 0);
[0030] 步驟8. 14,令計數器j=j+1，如果計數器j小于或等于D，則轉到步驟8. 2,否則 轉到步驟8. 15;
[003U 步驟8. 15,計算試驗個體護的適應值F扣t)，轉到步驟9 ;
[0032] 步驟9,采用鄰域反向策略產生試驗個體Ut的鄰域反向個體NOUS并計算鄰域反向 個體NOUt的適應值F (N0U t)，具體步驟如下；
[0033] 步驟9. 1，令當前和聲庫中適應值最優個體的下標為BestI;
[0034] 步驟9. 2,令計數器j=1;
[0035] 步驟9. 3,如果計數器j小于或等于D，則轉到步驟9. 4,否則轉到步驟9. 11;
[0036] 步驟9. 4,令計數器i=炬estl-NK+Popsize)%化psize，其中％表示取余運算 符；
[0037]步驟9. 5,令鄰域下界W4 =《尸鄰域上界W馬二冷
[003引步驟9. 6,令計數器i=(1+BestI-K+Popsize)% 化psize，令計數器mt=1 ;
[0039] 步驟9. 7,如果mt小于或等于2 XNK，則轉到步驟9. 8,否則轉到步驟9. 10;
[0040] 步驟9.8，令鄰域下界=11'加(.^,.公/,)，并令鄰域上界 /Vfi/= ，其中min為取最小值函數，max為取最大值函數；
[0041] 步驟9. 9,令計數器i=(i+1)%化psize，并令計數器mt=mt+1，轉到步驟9. 7 ; [00創步驟9. 10,令計數器j=j+1，轉到步驟9. 3 ;
[00創步驟9. 11，令計數器j=1，鄰域反向因子nr=rand (0, 1);
[0044] 步驟9. 12,如果計數器j小于或等于D，則轉到步驟9. 13,否則轉到步驟9. 15;
[0045]巧驚9.13,令NOlJtj二nrx(NAj + NBj)-U'j;
[0046] 步驟9. 14