一种改进的粒子群爬山优化图像分割方法_孙光灵.pdf

第 卷 第期佳 木 斯 大 学 学 报（自 然 科 学 版）年 月 （）文章编号：（）一种改进的粒子群爬山优化图像分割方法孙光灵，吴倩，卫星（安徽建筑大学电子与信息工程学院，安徽 合肥 ；合肥工业大学“智能互联系统安徽省实验室”，安徽 合肥 ；合肥工业大学计算机与信息学院，安徽 合肥 ）摘要：针对粒子群优化算法在图像分割中存在算法搜索能力不足并且分割不够精准的问题，文章提出了一种改进的粒子群爬山优化图像分割方法。文章首先引入爬山算法，检测粒子群搜索空间中多个全局极值点，增强粒子群算法的局部搜索能力；其次将算法作用于图像中生成 个峰值的三维直方图，根据欧几里德距离，将每个像素分配给最近的峰值从而分割图像；利用标准图像数据集进行实验，并与其他基于粒子群优化的图像分割方法对比分析，该算法在图像分割的视觉效果和种常用的客观评价指标都具有更优越的性能。关键词：粒子群；爬山算法；局部搜索；三维直方图；全局极值中图分类号：文献标识码：引言图像分割是将图像按照一定的规律，把图像分成具有独特性质的的区域来解释图像的作用。图像分割目前被广泛应用于道路车辆检测、指纹识别、植物叶片病害检测、医学诊断等领域。受自然系统行为的启发，许多仿生群体智能优化方法相继被开发，例如遗传算法（），模 拟 退 火 算 法（），蚁群算法（）和鲸鱼优化算法（）等。这些算法原理简单容易实现，但这些算法作用于图像分割时局部像素邻域运算效率不高。由于粒子群优化算法收敛速度快，操作简单，算法在图像分割、图像融合、图像识别和图像合成等领域都得到了广泛的应用。但该算法容易出现搜索能力不足和陷入局部极值的问题。现阶段大多数基于粒子群优化算法的图像分割技术主要分为两大类，一类主要是将粒子群算法和其他智能优化算法 相结合。其中文献 中，将模拟退火与粒子群算法相结合，该算法保持了粒子群算法的特点，改善了算法陷入局部极值点的情况。该算法虽提高了算法的收敛精度，但分割的图像缺少细节信息。另一类则通过改变粒子群优化算法的内部模型实现算法的改进。文献 通过增加多个目标函数来共同指导粒子在决策变量空间中的飞行，实现对多目标优化问题的最优解集的搜索。但分割后的图像容易出现色彩失真，轮廓模糊等问题。为解决上述问题，文章提出了一种多峰值粒子群爬山优化算法。通过加入智能优化算法“爬山优化算法”与粒子群优化算法相结合，增加了粒子群优化算法局部搜索能力，并且改变粒子群优化算法的结构模型，粒子可以在搜索空间中找到多个全局最优解。将改进的优化算法作用于图像分割中，通过实验的主观和客观两方面指标评价，证明了方法的有效性。相关背景粒子群算法粒子群优化（）算法是模拟鸟群飞行觅食的行为，每只鸟利用自己的记忆以及获得整个鸟群的知识来找到最佳的可用食物来源。如图所示，为粒子群优化算法的流程图模型。首先初始化种群，确定当前粒子的位置和速度。其次，计算粒子的适应度值，评估每个解决方案的质量 。将各个粒子的位置和适应度存储在，将中适应度最优个体粒子的位置和速度储存在中。然后，根据公式（），（），更新粒子的速度和位置。（）（）（）（）（）（）（）（）（）（）（）收稿日期：基金项目：国家自然科学基金资助项目（）；安徽省高校协同创新项目（）；合肥工业大学开放基金（）。作者简介：孙光灵（），男，安徽淮南人，副教授，硕士，研究方向：图像处理、模式识别等。佳 木 斯 大 学 学 报（自 然 科 学 版）年式（），（）中，（）和（）表示第个粒子在维空间时刻迭代的位置和速度，和是粒子群的学习因子。（），（）分别存储个体粒子和全局最优粒子。，的值分布在和之间。为粒子群算法的惯性权重。最后，将各个粒子的位置与前一个最优位置比较，将其作为最优位置。比较当前所有的与上一周期迭代的，更新。粒子逐级迭代，最终得到满足条件的最优，结束循环。图粒子群优化算法流程图爬山算法爬山算法是局部搜索算法，该算法的主要思想是，每次拿相邻点对应函数值与当前点对应函数值进行比对，取两者中较优者作为爬坡的下一步。不断重复上述过程，直到达到局部最优解位置。如图所示，为方程曲线图，其收敛于一点，该算法适用于空间搜索。改进粒子群图像分割算法粒子群与爬山优化算法粒子群优化算法中，粒子群中的所有粒子都收敛于搜索空间中的同一点（），爬山优化算法与粒子群相结合在搜索空间中寻找多个，且爬山法提高了粒子群优化算法的搜索能力。图为文章改进算法的流程图。如图所示，为优化算法流程，在该算法中，根据主群的地理位置将其划分为若干个粒子群。从第一个粒子开始，检测离它最近的粒子。每一次迭代，粒子群的地理位置会被重新安排。此过程提供各个粒子之间的交流和扩散信息，局部的最优解很可能会在一个邻域内发生变化。每个粒子在每时刻都产生两个候选位置，分别为和。第一个候选位置由公式（）和（）所计算：（）（）（）（）（）（）（）（）（）（）（）第二个候选位置由公式（）计算：（）（）（）公式（）中 和 为搜索空间中维处最大值和最小值。选择两个候选位置，最好的适应度值来移动位置。图方程曲线图图文章优化算法流程图从一个位置移动到另一个更好的侯选位置，这个动作被称为爬山的过程。如果选择了位置，那么之前的粒子速度失效。为此使用公式（）更新粒子的速度：（）（）（）式（）中是一个常数，是粒子速度的最大值，是，的随机数。判断是否能达到迭代条件，满足粒子群中的所有粒子停止移动，返回多个。在提出的方法中，使用此搜索方法提高算法的性能水平。彩色图像分割彩色图像（）的像素由三个独立颜色通道红、绿、蓝组成，颜色特征向量可以表示成三维颜色直方图 。如图所示，为图像分割的步骤。步骤中将图像转换成三维直方图，可以看到第期孙光灵，等：一种改进的粒子群爬山优化图像分割方法图像中像素的 分量值。步骤中使用节改进的粒子群爬山优化算法，来定位三维直方图中所有的全局和局部峰值，得到直方图中 分量的个主峰。峰值数量是子群的数量并表示图像中显示的簇数量。公式（）是一组个峰，比较优劣峰，删除非必要峰，保留个优势峰作为其主峰。如图中 有个主峰值（即个簇）：（，）（，）（，）（）图图像分割步骤 图原图像步骤根据欧几里德距离将每个像素分配到最近的峰值，从而得到分割的图像。如公式（）所示，个峰到（，）个像素的欧几里得距离：，（，）（，）（，）（）将得到的分割图像转化为热力图 ，以便于观察方法在视觉上呈现的效果。如图所示，步骤得到分割后的热力图。实验结果和分析实验数据集通过实验研究改进算法图像分割的有效性，以图作为测试图像用例进行分割实验，证明该方法的性能。主观实验评估为了评价所提方法的质量，改进的粒子群优化算法与文献 和文献 算法做比较。图所示为图像分割结果，序号（）（）分别为模拟退火粒子群优化算法，多目标粒子群优化算法和文章算法分割出的图像。序号（）（）为上述对应算法分割图像的热力图。图所示序号（），（）（）中分割的图像纹理都呈现的不够清晰，如（）鹦鹉的五官部分表现得模糊，嘴上的细节信息几乎看不到，轮廓消失了一部分。（）分割效果的比（）好，但同样缺少细节信息。（）分割图像的颜色饱和度较好，没有（）存在的边缘轮廓消失或模糊。相较于（）（）热力图，（）轮廓条纹较清晰。图分割结果图所示序号（），（）（）花朵的边缘轮廓模糊，缺少细节信息并且色彩保真度差。（）缺少细节信息，花瓣上茎和花心模糊化。（）同样有（）出现的问题，（）色彩保真度比（）呈佳 木 斯 大 学 学 报（自 然 科 学 版）年现的效果更差。（）花朵的边缘轮廓清晰，花蕊纹理细节不模糊。（）在热力图的呈现下清晰程度上明显比（）（）优越。图所示序号（），（）（）女孩右侧脸颊有很大块的黑色阴影部分，从（）（）热力图中看不到女孩右侧眼睛的轮廓，嘴唇轮廓呈现模糊状态。（）女孩右眼边缘轮廓比（）（）清晰，右侧脸出现了轻微的黑色阴影部分。在热力的呈现下（）没有非常大块的黑色阴影大斑点，五官清晰度高，整体视觉效果较理想。图所示序号（），（）（）对石头和山出现欠分割的问题。原图像中呈现出座山，（）只分割出两座山且整个分割出的图像颜色饱和度不高，石头外围轮廓线条已经呈现明显的虚化，模糊严重且纹理不清晰。（）对山和石头都出现了欠分割，并且石头下半部分的边缘轮廓完全消失，山被分割成两个部分。（）（）热力图更能体现图像的欠分割问题。（）石头轮廓和条纹信息呈现较清晰，山邱没有出现欠分割。（）更能体现其分割优势。通过组图像对比可以看出，提出的算法分割图，在色彩效果上很大程度上还原了原图，边缘轮廓清晰同时保真度高。实验数据评价由于人眼不能精准判断图像分割效果，文章采用种评价指标分析图像分割效果。这种指标分别 是 算 法 运 行 时 间（），结 构 相 似 度（），峰值信噪比（），信息熵（）和平均梯度（）。表示算法运行时间越小其时间复杂度越好，表示图像轮廓对比度，表示图像和原图接近程度，表示图像包括的信息含量，表示分割后图像的清晰度，其中 ，和 的值越大越好。实验采用张彩色图像分割图性能对比结果如表所示。通过客观参数可知方法并不能使所有参数得到最 佳 结 果，例 如 表 中 中 ，和 这种指标在改进算法中达到最佳。而 的 排第二，排第一。从总体数据可以看出文章算法中种指标与另外两种算法相比之下更有优势，分割效果更理想。表算法性能指标数据图像名称算法名称 文章算法 文献 文献 文章算法 文献 文献 文章算法 文献 文献 文章算法 文献 文献 结语提出了一种将粒子群和爬山算法相结合的方法作用于彩色图像分割，主要分为两步，第一步引入爬山优化算法，增加算法局部搜索能力改变算法的结构模型，从而搜索空间中找到多个最优解。第二步将图像生成三维直方图生成个峰值，根据欧几里德距离将每个像素分配给最近的峰值，将得到的图像转化为热力图便于从视觉上观察分割效果。通过增加这两步方法从而改进了传统粒子群算法的总体框架。采用标准数据集，通过与其他基于粒子群优化的图像分割方法对比实验发现，方法的主观视觉效果和客观评价指标均明显优于另外两种分割方法，得到更好的分割精度和分割效率。参考文献：，（）：高鹰，谢胜利基于模拟退火的粒子群优化算法计算机工程与应用，（）：，：，：，（）：，：，（）：，：，第期孙光灵，等：一种改进的粒子群爬山优化图像分割方法 ，：，：曹文梁，康岚兰，王石模拟退火自适应反向无惯性粒子群优化算法 合肥工业大学学报（自然科学版），（）：张利彪，周春光，马铭，等基于粒子群算法求解多目标优化问题 计算机研究与发展，（）：，（）：谢朝政，樊晓光，禚真福引入模式搜索算子的粒子群优化算法微电子学与计算机，（）：陈秀新，贾克斌 三维量化颜色直方图在彩色图像检索中的应用计算机应用与软件，（）：吴志强，叶锺楠基于百度地图热力图的城市空间结构研究以上海中心城区为例 城市规划，（）：，（）：，（）：，（）：，（）：，（，；，；，）：，（），：；（上接 页），（，；，）：，：；