1.一种基于广义熵结合改进的狮群算法实现图像阈值分割方法,包括如下步骤:(一)初始化数据,计算狮群中各个群体的数量,历史最优为个体位置,群体最优为狮王位置;
(二)更新狮王、母狮的位置:
(1)母狮位置则为Lioness(xi1,xi2), 狮王的位置是Lion(x1,x2),初始时随机确定图像某一范围作为初始寻优对象并将个体首次所处位置作为最优,排序后最优位置被置为狮王,狮王位置的更新按下式进行:β作为扰动因子表示狮王只是在很小的范围内移动借此保持自己的捕食优势,β取值为*(‑0.5,0.5)之间的随机数;其中n是对应的母狮个体总数;
(2)对母狮个体位置的更新而言按如下规则进行,当前母狮群体内某一个体为Lioness(xi1,xi2),该个体的上一个临近个体表示如下Lioness(x(i‑1)1,x(i‑1)2),两个体之间的欧式距离表示为:对Lioness(xi1,xi2)个体采取的操作如下:先调用[0,d/2]产生随机数R'作为半径,然后再调用[s2,t2]产生随机数a',归一化后得到角度:通过极坐标的形式即可确定一个符合要求的随机圆,在该圆内随机选取一点作为Lioness(xi1,xi2)这一个体的新位置;对于Lioness(x(i‑1)1,x(i‑1)2)个体位置的确定如下,调用[d/2,d]产生随机数R”作为半径,然后再调用[s2,t2]产生随机数a”,归一化后得到角度:通过极坐标的形式即可确定一个符合要求的随机圆,在该圆内随机选取一点作为Lioness(x(i‑1)1,x(i‑1)2)这一个体的新位置;
(三)对迭代次数进行判断,确定对幼狮群体执行的操作,对狮群内部不同群体的步长采用不同的更新策略:(1)当迭代次数 时,幼狮群体模仿自然界中的幼狮行为,分布在狮王附近进行寻优,狮王的位置是Lion(x1,x2),当前处理的幼狮表示为:式中:n为幼狮群体数量;
在以狮王位置为圆心,半径R*=λ做圆,然后在圆内随机分布,λ取值是(1,3)之间的随机数,根据每一次迭代而更新;
(2)若 则将幼狮采取随机分布的方法置于母狮群体周围,此时对幼狮的分布采取以对应的母狮为圆心,先调用[0.5,1]产生随机数R作为半径,再取[0,1]范围内一随机数r,归一化后乘以半径,得到R*r,然后再调用[s1,t1]产生随机数a,归一化后得到角度:对于区间[s1,t1]的选择根据实际运算精确度确定;幼狮的总数为n,当前处理的幼狮表示为式(5),与幼狮相同下标的则为对应母狮,表示为式(7):其中n*是对应的母狮个体总数;
(3)最后当迭代次数 时,幼狮群体进行重采样来去掉部分退化的幼狮,复制优化值较好的幼狮,接下来将对采用的重采样方法进行说明:狮群算法中的幼狮群体看作点的集合,整个群体对应表示为:W计算所得为对应个体的优化值,在该群体中共包括数量为N的个体,重采样后的幼狮群体表示为:重采样之前的个体对应的优化值为 在通过重采样的方法后群体中的个体总数保持不变依然为N,但是优化值较大的个体被分为多个粒子,而优化值较小的个体则被抛弃,这样处理后的个体优化值都被置为1/N,而初始探查得到的优化值将被存储并与狮王的优化值进行比较后进行后续处理;
(4)对狮群中不同群体的步长采用不同的改进策略,对母狮步长值确定方法如下:首先将迭代次数Q归一化为区间[0,π/2]内的值Q',再将Q'代入式(10)即可得每一次迭代次数后母狮个体对应的步长,横坐标为变量Q',仿真得到步长曲线图;
stepLioness=cos(Q') (10)
(5)对于幼狮群体而言,选取零阶贝塞尔函数作为基准函数,对零阶贝塞尔函数取绝对值后即为幼狮群体步长函数;
(四)计算个体的广义熵数值,判断是否达到数值精度要求或是达到预设迭代次数,若满足则退出程序完成图像分割,反之则返回步骤(二)更新狮王位置继续执行,具体步骤如下:(1)在一张给定的图片中,假定大小为m*n′将其表示为I,对于灰度而言,使用gi表示图像中的灰度级数,其中i={0,1,2...,l‑1},而ti则表示灰度级为i的像素点的总数,那么灰度级为i的像素点在图片中出现的概率被表示为:对待检测的图片来说,所有灰度级别的概率被表示为:
Pi={p1,p2,p3,...,pl‑1} (12)待检测图片像素点被逐一送入判别器,判别器被指定的阈值标准为D,经过选择后的像*素被分为两类:F和F ,对F类像素点来说,其满足的要求为灰度级小于D,反之则像素点被划* * *入为F ,在待检测的图片中认为目标和背景两类像素点映射的点集即为F和F ,将F和F出现的总概率表示为:提出一种新的概率分布函数表示目标和背景:
结合一种广义熵来确定图像的阈值标准:
*
Er(I/t)=Er(F)+Er(F) (17)
*
对应的Er(F)和Er(F)分别描述如下:
*
(2)令B为
对迭代次数和数值精度进行判断,若达到预设迭代次数或达到数值精度要求,则完成分割,退出程序,其中,对数值精度进行判断为:对第i+1次和第i次的B*做如下处理:* * ‑5
|Bi+1‑Bi|≤10 (21)
(3)若不符合要求则对个体进行快速排序,确定狮王之后回到步骤(二)中的分步骤(1)继续执行程序。
2.根据权利要求1所述的基于广义熵结合改进的狮群算法实现图像阈值分割方法,步骤(一)具体分步骤如下:(1)狮群个体总数为L,狮群中狮王唯一,母狮群体数量为 a为取自(0.2,0.5)之间的随机数;
*
(2)幼狮群体数量则为n=L‑1‑n。
3.根据权利要求1所述的基于广义熵结合改进的狮群算法实现图像阈值分割方法,步骤(三)所述选取零阶贝塞尔函数作为基准函数,是将零阶贝塞尔函数事先通过计算得到其在某个区间内的函数图像,将函数值以矩阵形式存储,便于根据迭代次数直接取得对应的步长值,降低时间复杂度。