[发明专利]一种基于磷虾优化算法的摇床矿带分带图像分割法

摘要

本发明涉及基于磷虾优化算法的摇床矿带分带图像分割法，属图像处理领域。首先将彩色的摇床矿带分带图像转换为灰度图像；再对磷虾进行初始化，后计算磷虾的适应度函数值，再对磷虾进行排列，随着迭代次数的变化对惯性权重进行更新，计算磷虾的运动向量，觅食运动向量和物理扩散运动向量，更新磷虾的位置，计算磷虾个体的适应度函数值，在满足一定的迭代次数后，通过适应度函数的最大化，找出适应度函数值最优的磷虾，该磷虾对应的位置即为摇床矿带分带图像的最佳阈值，根据最佳阈值对摇床矿带分带图像进行分割。本发明随着迭代次数的变化对惯性权重进行更新，算法搜索到最佳阈值的速度更快和精度更高，适合于摇床矿带分带图像的分割。 1

主权项

1.一种基于磷虾优化算法的摇床矿带分带图像分割方法，其特征在于：包括如下步骤：

(1)在摇床选矿的过程中，实时拍摄摇床床面上形成的矿带分带图像，将彩色的摇床矿带分带图像转换为灰度图像；

(2)磷虾个体的初始化：设置磷虾算法的参数，觅食速度V_f，最大扩散速度D^max，最大移动速度N^max，最大迭代次数iter_max和磷虾的个数M；产生[0,255]之间均匀分布的磷虾个体，让M个磷虾个体均匀地分布在摇床矿带分带图像的灰度直方图空间中；

(3)计算磷虾的适应度函数值，并根据适应度函数值，对磷虾个体进行从最好到最差的排列；

(4)利用公式对惯性权重ω_n进行更新，式中：ω_n为惯性权重，t为迭代次数，iter_max为最大迭代次数，ω_max为惯性权重的最大值，ω_min为惯性权重的最小值；

(5)对每个磷虾个体i，执行下列步骤：

a)计算磷虾个体i的运动向量式中：N_i为运动向量，N^max为最大移动速度，为磷虾个体i的受周围邻居吸引产生的运动向量，为当前最优磷虾个体吸引磷虾个体i产生的运动向量，ω_n为惯性权重，为磷虾个体i的上一次运动向量；

b)计算觅食运动向量F_i＝V_fβ_i+ω_fF_i^old，其中：β_i＝β_i^food+β_i^best，β_i^food为食物的吸引力，β_i^best为到目前为止适应度函数值最大的磷虾个体i的影响力，F_i为磷虾个体i的觅食运动向量；V_f为觅食速度，ω_f为觅食运动向量的惯性权重，F_i^old为磷虾个体i的上一次觅食运动向量；

c)计算物理扩散运动向量式中：D_i为物理扩散运动向量，D^max为最大扩散速度，t为当前的迭代次数，iter_max为最大迭代次数，δ为随机方向向量；

d)对磷虾的位置进行更新，更新公式为：式中：X_i(t+Δt)为磷虾个体i在t+Δt时刻的位置，X_i(t)为磷虾个体i在t时刻的位置，Δt为时间间隔；

(6)计算磷虾个体的适应度函数值,找出当前适应度函数值最优的磷虾个体；

(7)不断循环(4)、(5)、(6)三个步骤，直到满足最大迭代次数iter_max，通过适应度函数的最大化，找出经过多次迭代后适应度函数值最优的磷虾个体，该磷虾所处的位置即为摇床矿带分带图像的最佳阈值，最后根据求出的最佳阈值对摇床矿带分带图像进行分割。

2.根据权利要求1所述的基于磷虾优化算法的摇床矿带分带图像分割方法，其特征在于：最大迭代次数iter_max范围为[30,50]，磷虾的个数M的范围为[25,50]。

3.根据权利要求1所述的基于磷虾优化算法的摇床矿带分带图像分割方法，其特征在于：步骤(4)中惯性权重的最大值ω_max为0.9，惯性权重的最小值ω_min为0.1。