0求解起始点和终止点（当前鼠标位置）的最短路径。
[0035] 如图1所示，基于QPS0求解起始点和终止点的最短路径可通过以下步骤实施：
[0036] (1)初始化粒子群，包括确定最大迭代次数、搜索空间、粒子的个数、随机初始化粒 子的位置。
[0037] 设初始时迭代次数t= 0,最大迭代次数为max_t。搜索空间为D维，表示所有结 点的个数。粒子的个数为Μ，第i个粒子的初始位置为IV·'·'·'·' τ…,D),i= 1， 2···，Μ。设第i个粒子的个体最好位置粒子群的全局最好位置 σ^-?οιο?…ση)ο
[0038] (2)在第一次迭代时，每个粒子的初始位置为当前个体最好位置。计算每个粒子对 应的适应度函数值。所有粒子的适应度函数值相比较后找到一个具有最大适应度函数值的 粒子，该粒子的位置即为全局最好位置。
[0039] 采用优先级编码方案，粒子的位置向量表示结点的优先值，从起始点开始选取具 有最大优先值的相邻结点构造路径。因为是要找到最短路径，适应度函数可定义为路径上 所有边的权值和的倒数，如式（2)所示：
[0041] 其中y=ΡΡ1。·）和z=PPVj+l)分别是由第i个粒子得到的路径PP1上的两相 邻结点。Ni=IPP1!是路径上所有结点个数，Cyz是连接两相邻结点y和z的边的权值。当 适应度函数值达到最大时，就得到了起点到终点的最短路径。如果得到的是无效路径，就赋 予一个罚值（可设为〇)。
[0042] 在第一次迭代时，每个粒子的初始位置为当前个体最好位置XL由式（2)计 算出每个粒子对应的适应度函数值。
[0043] 所有粒子的适应度函数值相比较后找到一个具有最大适应度函数值的粒 子，该粒子的位置即为全局最好位置。设整个粒子群的全局最好位置# = 其中，
[0044] (3)对每个粒子的位置进行更新，重新计算每个粒子的适应度函数值，更新个体最 好位置和全局最好位置。
[0045] 由QPS0算法，粒子的位置更新方程为：建f=政;土《网- <彡1 式（4)中取" + "或取的概率都为0.5。其中α称为收缩-扩张系数，一般情况下，参数α可采用随迭代次数线性减小的方式控制。为区间（0，1)上的均匀分布随机数。粒子 i的收敛过程以APl=化1,1^1, 2，一^1,：1)为吸引子，其坐标为由式（5)表示：
[0046] 滅j= + (1 ? (5);其中兩是一个区间（〇,1)上均匀分布的随机 数。
[0047] 式（4)中称为平均最好位置，定义为所有粒子个体最好位置的平均，BP:
[0049] 对每个粒子的位置进行更新后，重新构造路径，由式（2)计算每个粒子的适应度 函数值，然后由式（7)更新个体最好位置：
[0051] 由式（7)得到的每个粒子的个体最好位置保存的是：到当前为止，具有最大适应 度函数值的位置。
[0052] 每个粒子的个体最好位置确定后，就可根据式（3)更新全局最好位置。
[0053] (4)当达到迭代结束条件时，训练结束，由全局最好位置向量选取具有最大优先值 的相邻结点构造路径，即为求解的最短路径；否则，迭代次数加1，转到步骤（3)。
[0054] 迭代结束条件一般是迭代次数t达到最大迭代次数max_t。
[0055] 步骤2、如果由该曲线与图样的边界能很好地拟合，则用户可点击鼠标，将当前鼠 标位置指定为新的起始点。
[0056] 步骤3、通过这样连续操作的方式，就可得到一个完整的封闭的蕾丝花边图样边界 曲线，即为图样轮廓。
【主权项】
1. 一种基于QPSO的智能剪刀蕾丝花边图样轮廓提取方法，其特征是，按照w下步骤实 施： 步骤1、首先用鼠标在蕾丝花边图像上需分割的图样边缘上指定一个点作为起始点，当 在图样的边界上移动鼠标时，连接起始点和当前鼠标位置的一条最短路径表示的曲线经计 算在图像中实时显示出来. 步骤2、如果步骤1显示的曲线与图样的边界能很好地拟合，则可点击鼠标，将当前鼠 标位置指定为新的起始点； 步骤3、通过步骤1和步骤2的重复连续操作，得到一个完整的封闭的蕾丝花边图样边 界曲线，即为图样轮廓。2. 如权利要求1所述的基于QPS0的智能剪刀蕾丝花边图样轮廓提取方法，其特征是： 所述步骤1中连接起始点和当前鼠标位置的最短路径表示的曲线按照W下步骤得到： 步骤1. 1、对于图像中每两个相邻像素确定的一条元边，选取特征值； 步骤1. 2、选取特征转换函数，将图像中每一条元边所对应的特征值转换为权值； 步骤1. 3、基于QPS0求解起始点和当前鼠标位置的最短路径。3. 如权利要求2所述的基于QPS0的智能剪刀蕾丝花边图样轮廓提取方法，其特征是： 所述步骤1. 1中特征值的大小表示该元边属于要寻找的目标区域边界的程度。4. 如权利要求2所述的基于QPS0的智能剪刀蕾丝花边图样轮廓提取方法，其特征是： 所述步骤1. 1中特征值包括：边界内的像素灰度值fi、边界外的像素灰度值f2、由元边所在 区域内的6个像素间的4个灰度值梯度f3~f6、对方向敏感的灰度值的梯度f7、W及根据 元边所在区域的多个像素的纹理特征值f?。5. 如权利要求2所述的基于QPSO的智能剪刀蕾丝花边图样轮廓提取方 法，其特征是：所述步骤1. 2中每一条元边所对应的总的权值由式（1)得到：^ ^其中是反映特征的权重的一个正的常数。6. 如权利要求5所述的基于QPS0的智能剪刀蕾丝花边图样轮廓提取方法，其特征是： 所述特征化)i= 1，2，一,8)和其对应的特征函数Ci(j= 1，2，一,6)的选取，W及特 征函数中的参数和的值，通过训练进行优化得到；训练时，在图样的边界上画一小段轮廓 线，训练的目标是根据元边属于图样边界的程度最小化该元边的权值C化）。7. 如权利要求2所述的基于QPS0的智能剪刀蕾丝花边图样轮廓提取方法，其特征是： 所述步骤1. 3按照W下步骤实施： (1) 初始化粒子群，包括确定最大迭代次数、捜索空间、粒子的个数、随机初始化粒子的 位置； (2) 在第一次迭代时，每个粒子的初始位置为当前个体最好位置；计算每个粒子对应 的适应度函数值；所有粒子的适应度函数值相比较后找到一个具有最大适应度函数值的粒 子，该粒子的位置即为全局最好位置； (3) 对每个粒子的位置进行更新，重新计算每个粒子的适应度函数值，更新个体最好位 置和全局最好位置； (4) 当达到迭代结束条件时，训练结束，由全局最好位置向量选取具有最大优先值的相 邻结点构造路径，即为求解的最短路径；否则，迭代次数加1，转到步骤（3)。
【专利摘要】本发明涉及一种基于QPSO的智能剪刀蕾丝花边图样轮廓提取方法，包括以下步骤：用户首先用鼠标在蕾丝花边图像上需分割的图样边缘上指定一个点作为起始点，当用户在图样的边界上移动鼠标时，连接起始点和当前鼠标位置的一条最短路径表示的曲线会自动计算并在图像中实时显示出来；如果该曲线与图样的边界能很好地拟合，则用户可点击鼠标，将当前鼠标位置指定为新的起始点；通过这样连续操作的方式，就可得到一个完整的封闭的蕾丝花边图样边界曲线，即为图样轮廓。本发明方法的特色之处在于，能以交互式的方式在复杂的织物背景下快速提取出图样轮廓，其提取图样轮廓正确度较自动分割方法好，用户只需少量干预就能完成分割的过程。
【IPC分类】G06T7/00, G06F3/0487
【公开号】CN105242863
【申请号】CN201510828526
【发明人】李岳阳, 蒋高明, 丛洪莲, 张爱军, 曹霞
【申请人】江南大学
【公开日】2016年1月13日
【申请日】2015年11月25日