良好的克服陷入局部优解的能力，快速、准确的获得了灰度图像分 割的阔值，为图像目标和背景进行有效分离提供了理论依据。
[0104] W上所述仅是对本发明的较佳实施方式而已，并非对本发明作任何形式上的限 审IJ，凡是依据本发明的技术实质对W上实施方式所做的任何简单修改，等同变化与修饰，均 属于本发明技术方案的范围内。
[0105] 参考文献
[0106] [1]范九伦，雷博.灰度图像的二维交叉備直线型關值分割法[J].电子学 报，2009, 37 (3): 476-480.
[0107]FanJiulun,LeiBo.Two-dimensionalCross-entropyLinear-type ThresholdSegmentationMethodforGray-levelImages[J].ACTAELECT民ONICASINI CA，2009, 37 (3): 476-480.(inChinese)
[0108] [2]LinyiLi，DerenLi.Fuzzyentropyimagesegmentationbasedonparticle swarmoptimization[J].ProgressinNaturalScience18(2008) 1167-1171.
[0109] [3]KARABOGAD.Anideabasedonhoneybeeswarmfornumerical optimization[民].Kayseri:EreiyesUniversity,EngineeringFaculty,Computer EngineeringDepartment，2005.
[0110] [如刘勇，马良.函数优化的蜂群算法[化控制与决策，2012,27(6);886-890.
[0111] [5]胡中华，赵敏.基于人工蜂群算法的TSP仿真[J].北京理工大学学 报，2009, 29(11) ;978-982.
[0112] [6]Omakar,S.N.，etal.，ArtificialBeeColonyformulti-objectivedesign optimizationofcompositestructures[J].AppliedSoftComputing，2010 (11)； 489-499.
[0113] [7]李林菲，马苗.基于ABC算法的逻猜推理题快速求解方法[J].计算机技术与 发展，2〇11，21巧）；1 25-127.
[0114] [8]Hsin-ChihWang,Yu-ChengWang,Men-ShenTsai.PerformanceComparisons ofGeneticAlgorithmandArtificialBeeColonyAlgorithmApplicationsfor LocalizationinWirelessSensorNetworks[C]，SystemScienceandEngineering 2010InternationalConference,WuHan，Qiina，2010:469-474.
[011 日] [9]YeZhi-wei,ZengMeng-di.ImageEnhancementbasedonArtificialBee ColonyAlgorithmandFuzzySet[C].InternationalSymposiumonInformation EngineeringandElectronicCommerce(lEEC)，3rd，HUBei，Chin过，2011 ； 127-130.
[0116] [10]肖永豪，余卫宇.基于蜂群算法的图像边缘检测[J]，计算机应用研究，2010， 27(7) ：2748-2750.
[0117] [11]何志明，马苗.基于灰色关联分析和人工蜂群算法的图像匹配方法[J].计算 机技术与发展，2010, 20(10) ;79-81.
[011引 [12]张国平，王正欧，袁国林.求解一类组合优化问题的溜浊搜索法[J].系统 工程理论与实践，2001，21巧）：102-105.
[0119]ZHANGGuoping,WANGZhengou,YUANGuolin.Achaoticsearchmethodfora classofcombinatorialoptimizationproblems[J].SystemsEngineeringTheoryand Practice, 2001，21 巧）：102-105.
[0120] [13]宁爱平，张雪英.人工蜂群算法的收敛性分析[J].控制与决 策，2013, 28 (10): 1554-1558.
[0121] NINGAi-ping,ZHANGXue-ying.Convergenceanalysisofartificialbee colonyalgorithm[J].ControlandDecision, 2013,28(10):1554-1558。
【主权项】
1. 图像阈值分割的Tent映射改进蜂群算法，其特征在于按照以下步骤进行： 步骤1 :采用Tent映射对算法的个体进行初始化； 步骤2 :利用Tent映射将初始值均匀分布在解空间； 步骤3 :在各蜜源附近采用固定搜索方向的人工蜂群算法更新新蜜源位置，若该位置 优于原蜜源位置，则保留新蜜源位置；否则保留原蜜源位置； 步骤4:按照轮盘赌的选择概率，针对跟随蜂按照固定搜索方向的人工蜂群算法更新 新蜜源位置，若该位置优于原蜜源位置，则保留新蜜源位置；否则保留原蜜源位置； 步骤5 :针对引领蜂和跟随蜂，更新其最优解；若最优解达到了限定的个数，则重新生 成该蜜源个体； 步骤6 :若迭代次数小于预设的迭代次数，转至步骤3进行迭代；否则输出最优解。2. 按照权利要求1所述图像阈值分割的Tent映射改进蜂群算法，其特征在于：所述步 骤1中，Tent映射的表述形式为：其中[〇，1] 为常数，取值范围是[1，4]，当μ =4时，系统已经处于完全混沌 状态，此时系统可无重复地遍历整个搜索空间。3. 按照权利要求1所述图像阈值分割的Tent映射改进蜂群算法，其特征在于：所述步 骤2中假定算法初始蜜源的个数为N个，首先Z ci= rand ()，rand ()是[0,1]之间的随机数， 其次应用Tent映射构建zke [〇, 1]范围内人工蜂群算法的初始蜜源f个；再次利用1-Zk 其值的区间范围依然也是[〇，1]的互补特性，构建算法的另外f个初值；假定蜜源的定义 域为[Xmin，XmaJ，则其由Zk到X k的线性变换为： Xk 一 Z k (Xmax_Xmin)+Xmin ⑶ 或Xk= (I-Zk) (Xmax-Xmin)+Xmin (3'）根据上面的策略完成人工蜂群算法蜜源初始值。4. 按照权利要求1所述标准人工蜂群算法的更新策略为： Vij= X Jj+φ Jj (Xij-Xkj) (4) 式中h为蜜源i的第j维位置，是随机选取不同于i的第j维蜜源位置，Φ u是范 围在[-1，1]中的随机数，Vu是新蜜源位置。图像阈值分割的Tent映射改进蜂群算法，其 特征在于：所述步骤3中设单变量单峰函数f(x)，f (Xg)为到目前为止的最大值： (1) 当X^xg,且f (X1Xf (xg)，此时X g方向移动，即对于X雨言其移动符号为正， 艮P Sign(Xg-X1)； (2) 当x2>xg，且f (x2)〈f (xg)，此时乂2朝X g方向移动，即对于X 2而言其移动符号为负， 艮P sign(xg-x2)； (3) 当X1= X 2，则If(X1) = f (X2)，此时X1不移动，即对于X1而言其移动符号能正能负； 将式（4)所示的公式更新为式（5): Vij= X u+c · rand() · Sign(Xgj-Xij) (5) 式（5)中c是常数，randO是[0,1]之间的随机数，Xij是蜜源i的第j维位置，x gj是 到目前为止最优蜜源的第j维位置，sign是符号函数。5.按照权利要求1所述图像阈值分割的Tent映射改进蜂群算法，其特征在于：所述步 骤5中若最优解达到了限定的个数，则针对一维变量采用式（6)所示的调整策略，多维变量 采用式（7)所示的调整策略，重新生成该蜜源个体；
【专利摘要】本发明的目的在于提供图像阈值分割的Tent映射改进蜂群算法，采用Tent映射对算法的个体进行初始化；利用Tent映射将初始值均匀分布在解空间；在各蜜源附近采用标准的人工蜂群算法搜索新蜜源；更新新蜜源位置，若该位置优于原蜜源位置，则保留新蜜源位置；否则保留原蜜源位置；按照轮盘赌的选择概率，针对跟随蜂按照步骤3方法更新新蜜源位置，若该位置优于原蜜源位置，则保留新蜜源位置；否则保留原蜜源位置；针对引领蜂和跟随蜂，更新其最优解；若最优解达到了限定的个数，则重新生成该蜜源个体；若迭代次数小于预设的迭代次数，转至步骤3进行迭代；否则输出最优解。本发明的有益效果是不会过早收敛、搜索速度快。
【IPC分类】G06T7/00, G06N3/00
【公开号】CN104881703
【申请号】CN201510260299
【发明人】霍凤财, 董宏丽, 任伟建, 路阳, 王艳芹, 康朝海, 于镝, 张会珍
【申请人】东北石油大学
【公开日】2015年9月2日
【申请日】2015年5月20日