买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东省工业技术研究院

摘要：本发明属于图像处理技术领域，具体公开了一种基于聚类划分的差分进化算法和OTSU算法的图像分割方法。包括：初始化种群，计算个体适应度值并划分为3个子种群；在种群不同的迭代阶段采用不同的变异策略，适应种群进化；自适应更新种群中控制参数F和CR值，种群交叉操作生成子代个体；最后选择操作筛选最优适应度值个体。针对于灰度图像进行阈值分割，获得最优适应度值，若当前种群的迭代次数到达最大迭代次数或者到达最优适应度值，则算法终止并输出最终结果，否则继续进行差分进化操作。本发明既能平衡算法的全局搜索能力和收敛速度，又能提高图像分割精度，具有较好的应用价值，可广泛应用于医学图像处理和冠层图像处理中。

主权项：1.一种基于聚类划分的差分进化算法和OTSU算法的图像分割方法，其特征在于，包括如下步骤：步骤1：对图像进行预处理，获得灰度图像；步骤2：初始化种群，根据OTSU算法计算种群中个体向量的适应度值；步骤3：基于种群中个体向量的适应度值，利用K-Means算法将种群聚类划分为若干个子种群；步骤4：迭代更新种群，种群进行双重变异操作，具体为：在算法进化初期，种群中个体向量的适应度值普遍低于最优适应度值，此时采用变异策略1，从划分的种群中随机选择若干个互不相同的个体向量作为变异策略的基向量；随着迭代次数的不断增加，种群中个体向量的适应度值不断增加，当个体向量适应度值达到最大时，采用变异策略2，从全局中选择最优个体向量作为变异策略的基向量；步骤5：迭代更新种群，种群进行交叉操作，交叉操作中，在差分进化算法初期，交叉因子CR值较小，有利于增加种群多样性，确保种群的全局搜索能力；随着种群迭代次数不断增加，种群中个体向量的适应度值不断增加，种群中最优解逐渐集中在某一局部区域，此时逐渐增大CR值，CR值较大有利于种群继承优良个体向量；步骤6：迭代更新种群，种群进行选择操作，将当前子代个体向量的适应度值与父代个体向量适应度值比较，将适应度值大的选择到下一代种群中；选择操作结束以后，完成一次差分进化操作；步骤7：判断当前迭代次数是否到达最大迭代次数或者是否到达最优适应度值，若当前种群的迭代次数到达最大迭代次数或者到达最优适应度值则进入步骤8，否则自适应更新控制参数F和CR，再次进行种群的变异、交叉和选择操作，选择当前最佳个体向量；步骤8：将最优个体向量逆映射到种群中，通过计算差分进化算法后种群中个体向量的适应度值，确定最优图像分割阈值；步骤9：根据最优图像分割阈值输出分割后的图像；所述步骤7，自适应更新控制参数F，通过以下步骤实现： ，其中gen为当前种群的代数，generations为总的迭代次数；Fmax表示突变因子的最大值，Fmin表示突变因子的最小值；自适应更新控制参数CR，通过以下步骤实现： ，其中gen表示当前种群的代数，generations表示总的迭代次数，CRmin表示交叉因子的最小值，指的是（0，1）范围内的随机数。

全文数据：

权利要求：

百度查询： 山东省工业技术研究院 基于聚类划分的差分进化算法和OTSU算法的图像分割方法