一种基于自适应步长和声搜索算法的脐橙图像分割方法
【技术领域】
[0001] 本发明设及图像分割领域，尤其是设及一种基于自适应步长和声捜索算法的厮澄 图像分割方法。
【背景技术】
[0002] 随着厮澄产业的发展，厮澄采摘的智能化机器人正在逐渐应用到厮澄生产领域 中。机器视觉技术是厮澄采摘机器人的核屯、技术之一，而厮澄图像分割又是厮澄采摘机器 人的机器视觉系统部分的关键技术。厮澄图像分割就是将采集的厮澄图像分割成为几个不 同的部分，标识出图像中的厮澄部分，从而为厮澄采摘机器人的采摘提供定位指导。厮澄图 像分割效果的优劣往往会直接会影响到厮澄采摘机器人的采摘精度。
[0003] 和声捜索算法是近年来提出的一种智能优化算法，它的结构很简单，但它的性能 很有潜力。和声捜索算法已经在很多工程领域取得了成功的应用，例如，王灵等在2011年 发明一种利用和声捜索算法来优化工业无线传感器网络部署的方法，李阳阳等在2012年 发明了一种利用和声捜索算法并融合共邻矩阵谱信息的多目标社区检测方法，依玉峰等在 2012年提出了基于和声捜索算法及聚类分析的图像分割方法。虽然和声捜索算法在很多工 程领域中取得了成功的应用，但传统和声捜索算法在分割厮澄图像时往往存在着分割速度 慢，分割精度不高的缺点。
【发明内容】
[0004] 本发明主要是解决现有技术所存在的技术问题，针对传统和声捜索算法应用于厮 澄图像分割时往往存在着分割速度慢，分割精度不高的缺点，提出一种基于自适应步长和 声捜索算法的厮澄图像分割方法。本发明能够加快厮澄图像分割速度，提高分割精度。
[0005] 本发明的技术方案；一种基于自适应步长和声捜索算法的厮澄图像分割方法，包 括W下步骤：
[0006] 步骤1，利用摄像机采集一幅厮澄图像01，然后将采集的厮澄图像01转换成为 Y化Cb色彩空间的图像YI;
[0007] 步骤2,提取图像YI中每个像素的Cb颜色分量值作为聚类数据，将提取到的聚类 数据按像素在图像YI中的行列坐标存储到矩阵DCB中，由此可得到矩阵DCB中每个元素与 图像01中每个像素之间的行列坐标--对应关系，其中矩阵DCB的大小为HXW，并且H的 值等于图像YI的高度，W的值等于图像YI的宽度；
[000引步骤3,用户初始化参数，所述初始化参数包括分割类别数目D，和声库大小 化psize，记忆库学习率HMCR，反向邻域大小NK，最大评价次数MAX_FEs;
[0009] 步骤4,当前演化代数t=0,当前评价次数阳S=0;
[0010] 步骤5，随机产生初始和声库巧二'[公|'，公;，1<，公;，1<_，公;,",,..&,}，其中：下标1 = 1，...，化psize，并且为和声库Pt中的第i个个体，其随机初始化公式为；
[0011]公;J. =(/-l)x255.0/D + rand(0，l)xC55.0/D-1.0)
[0012] 其中下标j= 1，...，D，并且D表示要将图像分割成多少个类别；A'为在和声库 Pt中的第i个个体，存储了D个分割类别的聚类中屯、，rand(0, 1)为在[0, 1]之间服从均匀 分布的随机实数产生函数；
[001引步骤6,计算和声库Pt中每个个体武I的适应值)，其中下标i= 1，...，化psize，计算个体及；的适应值F(及）的方法为；首先计算矩阵DCB中每个元素 DCBm,。分别与个体公，'中存储的D个分割类别的聚类中屯、的距离，DCBm,。与哪个聚类中屯、的距 离最小，则令DCBm,。属于哪个类，然后计算矩阵DCB中所有元素DCBm,。与它所属个体公中分 割类别的聚类中屯、的距离之和作为个体式的适应值，其中适应值越小则表明个体越优秀， 并且矩阵行下标m= 1，. . .，H，列下标n= 1，. ..，W;
[0014] 步骤7,当前评价次数阳s=阳s+Popsize，并保存和声库Pt中适应值最小的个体 为最优个体Best%令音调调整率PAR= 0. 01 ;
[0015] 步骤8,采用自适应步长策略产生一个试验个体护，并计算试验个体护的适应值 F扣t)，具体步骤如下；
[0016]步骤8.1，令计数器j=1 ;
[0017] 步骤8.2,在[0, 1]之间随机产生一个实数rl，如果rl小于记忆库学习率HMCR，则 转到步骤8. 3,否则转到步骤8. 13 ;
[00化]步骤8.3,在[1，D]之间随机产生一个正整数RI1，并令U]=公;;
[0019] 步骤8. 4,在[0,U之间随机产生一个实数社如果r2小于音调调整率PAR,则转 到步骤8. 5,否则转到步骤8. 14 ;
[0020] 步骤8. 5,在[0, 1]之间随机产生一个实数r3,如果r3等于0.25,0.50或0.75,则 再重新产生它直到r3不等于0. 25,0. 50或0. 75;
[0021] 步骤8.6,令中间变量TCI=r3 ;
[0022] 步骤8. 7,令计数器Ct= 1 ;
[0023] 步骤8. 8,按Logistic混浊公式计算捜索因子CI的值：
[0024] CI= 4. 0XTCIX(1. 0-TCI);
[0025] 步骤8.9,令中间变量TCI=CI ;
[0026] 步骤8. 10,令计数器Ct=Ct+1，如果计数器Ct小于或等于350,则转到步骤8. 8， 否则转到步骤8. 11 ;
[0027] 步骤 8. 11，令;二公"+ [C/X2 - 1]X(公"-公，如果[/j大于 2貼或者巧 小于0,则令;否则保持?值不变；
[002引步骤8. 12,转到步骤8. 14 ;
[0029] 步骤 8. 13,令=a- 1)X255.0/D+rand(O.l)X口55.0/D- 1 0);
[0030] 步骤8. 14,令计数器j=j+1，如果计数器j小于或等于D，则转到步骤8. 2,否则 转到步骤8. 15;
[003U 步骤8. 15,计算试验个体护的适应值F扣t)，转到步骤9 ;
[0032] 步骤9,采用邻域反向策略产生试验个体Ut的邻域反向个体NOUS并计算邻域反向 个体NOUt的适应值F (N0U t)，具体步骤如下；
[0033] 步骤9. 1，令当前和声库中适应值最优个体的下标为BestI;
[0034] 步骤9. 2,令计数器j=1;
[0035] 步骤9. 3,如果计数器j小于或等于D，则转到步骤9. 4,否则转到步骤9. 11;
[0036] 步骤9. 4,令计数器i=炬estl-NK+Popsize)%化psize，其中％表示取余运算 符；
[0037]步骤9. 5,令邻域下界W4 =《尸邻域上界W马二冷
[003引步骤9. 6,令计数器i=(1+BestI-K+Popsize)% 化psize，令计数器mt=1 ;
[0039] 步骤9. 7,如果mt小于或等于2 XNK，则转到步骤9. 8,否则转到步骤9. 10;
[0040] 步骤9.8，令邻域下界=11'加(.^,.公/,)，并令邻域上界 /Vfi/= ，其中min为取最小值函数，max为取最大值函数；
[0041] 步骤9. 9,令计数器i=(i+1)%化psize，并令计数器mt=mt+1，转到步骤9. 7 ; [00创步骤9. 10,令计数器j=j+1，转到步骤9. 3 ;
[00创步骤9. 11，令计数器j=1，邻域反向因子nr=rand (0, 1);
[0044] 步骤9. 12,如果计数器j小于或等于D，则转到步骤9. 13,否则转到步骤9. 15;
[0045]巧驚9.13,令NOlJtj二nrx(NAj + NBj)-U'j;
[0046] 步骤9. 14