《一种基于萤火虫优化算法的矿带图像分割法.pdf》由会员分享，可在线阅读，更多相关《一种基于萤火虫优化算法的矿带图像分割法.pdf（11页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103366362 A (43)申请公布日 2013.10.23 CN 103366362 A *CN103366362A* (21)申请号 201310133323.3 (22)申请日 2013.04.17 G06T 7/00(2006.01) G06T 5/00(2006.01) G06N 3/00(2006.01) (71)申请人 昆明理工大学 地址 650093 云南省昆明市五华区学府路 253 号 (72)发明人 和丽芳 童雄 黄宋魏 宋耀莲 黄斌 黄靖惠 (54) 发明名称 一种基于萤火虫优化算法的矿带图像分割法 (57) 摘要 本发明公开了一种基于萤火虫。
2、优化算法的矿 带图像分割法， 属于图像处理技术领域， 首先对矿 带图像进行预处理， 将彩色矿带图像转换为灰度 图像和自适应低通滤波处理 ； 然后将萤火虫均匀 地分布在矿带图像的灰度直方图空间中， 并对每 个萤火虫荧光素的值进行更新， 根据局部信息、 全 局信息和随迭代次数自适应更新步长的策略对萤 火虫进行移动， 更新萤火虫的局部决策域半径， 计 算适应度函数， 根据适应度函数搜索全局最优解， 经过多次迭代之后， 全局最优位置即为最佳阈值 ； 根据最佳阈值对矿带图像进行分割， 本发明在萤 火虫的移动过程中， 加入了全局信息和随迭代次 数自适应更新步长的策略， 算法的收敛速度快和 收敛精度高， 全。
3、局寻优能力强， 适合于矿带图像分 割。 (51)Int.Cl. 权利要求书 2 页 说明书 7 页 附图 1 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书7页 附图1页 (10)申请公布号 CN 103366362 A CN 103366362 A *CN103366362A* 1/2 页 2 1. 一种基于萤火虫优化算法的矿带图像分割法， 包括以下步骤 ： （1） 在选矿过程中实时拍摄矿带图像， 对矿带图像进行预处理， 将矿带图像转换为灰度 图像， 然后利用自适应低通滤波对图像进行滤波处理 ； （2） 萤火虫初始化 ： 设置参数， 设置最大迭代次数 。
4、和萤火虫数目 N， 并利用在 （0， 1） 之间均匀分布的随机函数使 N 个萤火虫均匀地分布在 预处理后矿带图像的灰度直方图空间中 ； （3） 对每个萤火虫荧光素的值进行更新， 更新公式为， 式中 ： 为荧光素值， 为荧光素消失率， 为荧光素更新率，为迭代次数， 为矿带 图像的适应度函数值 ； （4） 计算萤火虫移动后的位置 （a） 寻找每个萤火虫的邻居集合， 并计算移动概率， 式中 ： 为萤火虫 向萤火虫移动的概率，是萤火虫 在 时刻的邻居集合，表示的是萤火虫 和之间的欧氏距离， 萤火虫 根据计算出的 移动概率在其邻居集合内选择一个移动概率最大的萤火虫， 并向其移动 ； （b） 利用步长计算。
5、公式根据 t 对步长进行自适应更 新， 最后根据位置更新公式 对萤火虫的位置进行更新， 计算公式中 ： 为步长，为步长的最大值，为步长的最小 值，和为 0,1 范围内的随机函数，为整个萤火虫群中适应度最大的萤火 虫 ； （5） 计算第个萤火虫的动态决策域， 计算公式为 ： ， 式中 ： 为第 个萤火虫的动态决策域， 为感知域半径， 为动态决策域的更新率， 为一个常数， 为邻域个数阈值， 用于控制邻 域的数量， 步骤 （5） 中的计算出的动态决策域被用于下一次迭代步骤 （4） 中移动概率的计 算 ； （6） 根据步骤 （4） 中计算出的萤火虫移动后的位置， 来计算矿带图像的适应度函数， 计 算 。
6、公 式 为 ：， 式 中 ： 为矿带图像的类间方差，为矿带图像的阈值， 为累积概率， 为均值 ； （7） 循环步骤 （3） 、（4） 、（5） 、（6）次， 全局最优值所在的位置即为最佳阈值， 矿带灰 权 利 要 求 书 CN 103366362 A 2 2/2 页 3 度图像由像素点构成， 每个像素点具有一定的阈值， 因此可以根据求出的最佳阈值对矿带 图像进行阈值分割， 得到最终的矿带图像分割结果。 2. 根据权利要求 1 所述的基于萤火虫优化算法的矿带图像分割法， 其特征在于 ： 最大 迭代次数范围为 10,30， 萤火虫数目 N 的范围为 50,100。 3. 根据权利要求 1 所述的基。
7、于萤火虫优化算法的矿带图像分割法， 其特征在于 ： 步骤 （4） 中步长的最大值为 1， 步长的最小值为 0.001。 权 利 要 求 书 CN 103366362 A 3 1/7 页 4 一种基于萤火虫优化算法的矿带图像分割法 技术领域 0001 本发明属于图像处理技术领域， 具体涉及一种利用萤火虫优化算法对矿带图像进 行分割的方法。 背景技术 0002 目前， 在我国的选矿行业中， 大部分都使用人工的方法来分割矿带， 其具有实时性 差、 浪费劳动力、 矿物回收率低的缺点。 0003 基于数字图像处理技术的矿带分割可以不需要人工的干预， 实时地对矿带进行分 割， 整个过程中， 图像分割是一个。
8、关键步骤它可以将矿带分带。图像分割算法有很多种， 由 于不同的矿带在颜色和灰度上有一定的区别和矿带图像需要实时分割， 因此基于阈值的图 像分割法适用于矿带分割。 0004 在基于阈值的图像分割算法中， 基于智能群体优化算法的阈值分割法相对于传统 的阈值分割算法而言， 具有一定的优势。 萤火虫优化算法是一种新的智能群体优化算法， 但 基本的萤火虫优化算法存在后期收敛速度慢和收敛精度低的缺点。 0005 因此， 对基本的萤火虫优化算法进行改进， 并应用于矿带图像的分割是非常必要 的。 发明内容 0006 本发明目的是克服人工分割矿带存在问题， 提出了一种基于萤火虫优化算法的图 像分割法对矿带图像进。
9、行分割的方法， 针对基本的萤火虫优化算法应用于矿带图像分割产 生的过分割问题， 提出一种改进的萤火虫优化算法， 有利于矿带图像分割处理。 0007 为了达到上述目的， 本发明首先对矿带图像进行灰度变换， 为了减小噪声对图像 分割效果的影响， 对灰度图像进行自适应低通滤波 ； 对萤火虫进行初始化， 萤火虫以最大类 间方差作为适应度函数搜索全局最优值 ； 每个萤火虫根据局部信息和全局最优值更新自己 的位置和荧光素的值。通过多次迭代， 使适应度函数达到全局最优值的阈值即为矿带图像 分割的最佳阈值。 该算法在搜索全局最优值的过程中， 萤火虫不仅利用了局部信息， 而且利 用了全局信息， 并且利用自适应步。
10、长进行位置更新， 算法的全局优化能力更强。 0008 改进后的萤火虫优化算法的位置更新公式和自适应步长更新策略如下所示 ： 其中为萤火虫 在 时刻的位置，和是 0,1 范围内的随机函数， 为萤火虫在时刻的步长，表示求萤火虫 和之间的欧氏距离， 为整个萤火虫群中适应度最大的萤火虫。 说 明 书 CN 103366362 A 4 2/7 页 5 0009 其中，和分别为步长的最大值和最小值， 为最大迭代次数。 0010 实现本发明技术方案的具体方法和步骤如下 ： （1） 在选矿过程中实时拍摄矿带图像， 然后在计算机中输入矿带图像， 对矿带图像进行 预处理， 预处理包括将图像转换为灰度图像和利用自适。
11、应低通滤波对图像进行滤波处理 ； （2）萤火虫的初始化 ： 设置参数， 设置最大迭代次数和萤火虫数目 N， 并利用在 （0,1） 之间均匀分布的随机函数来产生 N 个萤火虫， 对萤火虫的位置进行初始化， 使萤火虫 均匀地分布在矿带图像的灰度直方图空间中 ； （3） 对每个萤火虫荧光素的值进行更新， 更新公式为， 式 中 ： 为荧光素值， 为荧光素消失率， 为荧光素更新率，为迭代次数， 为矿带图像的 适应度函数值 ； （4） 萤火虫的移动， 即计算萤火虫移动后的位置 在萤火虫优化算法中， 每个萤火虫通过不断移动， 来寻找最优值， 因此萤火虫的移动过 程非常重要， 在基本的萤火虫优化算法中步长是个。
12、固定的值。 如果步长设置太小， 会造成收 敛速度过慢 ； 如果步长设置过大， 在收敛后期萤火虫可能会跳过最优解。 为了保证算法的收 敛速度和精度， 在本发明中引入了随迭代次数自适应更新步长更新的策略。萤火虫的移动 方向也会影响算法的收敛性， 为了提高萤火虫优化算法全局寻优的能力， 本发明在萤火虫 的移动公式中加入了全局信息 ； （a） 寻找每个萤火虫的邻居集合， 并计算移动概率， 式中 ： 为萤火虫 向萤火虫的移动概率，是萤火虫 在 时刻的邻居集合，表示的是萤火虫 和之间的欧氏距离， 萤火虫 根据概率在 其邻居集合内选择一个萤火虫， 并向其移动 ； （ b ）利用步长计算公式 根 据 迭 代 。
13、次 数 t 对 步 长 自 适 应 进 行 更 新，根 据 位 置 更 新 公 式 对萤火虫的位置进行更新， 计算公式中 ： 为步长，为步长的最大值，为步长的最小值，和为 0,1 范围内的随机函数，为整个萤火虫群中适应度最大的萤火虫 ； （5）计算第 个萤火虫的动态决策域， 更新萤火虫 的动态决策域， 计算公式为 ： ， 式中 ： 为第 个萤火虫的动态决策域， 说 明 书 CN 103366362 A 5 3/7 页 6 为感知域半径， 为动态决策域的更新率， 为一个常数， 为邻域个数阈值， 用于控制邻 域的数量， 步骤 （5） 中的计算出的动态决策域被用于下一次迭代步骤 （4） 中移动概率的。
14、计 算 ； （6） 根据步骤 （4） 中计算出的萤火虫移动后的位置， 来计算矿带图像的适应度函数， 计 算公式为 ： ， 式中 ： 为矿带图像的类间方差，为矿带图像的阈值， 为累积概率， 为均值 ； （7） 循环步骤 （3） 、（4） 、（5） 、（6）次， 全局最优值所在的位置即为最佳阈值， 矿带灰 度图像由像素点构成， 每个像素点具有一定的阈值， 因此可以根据求出的最佳阈值对矿带 图像进行阈值分割， 得到最终的矿带图像分割结果。 0011 本发明中所述步骤 （2） 中的参数， 采用的最大迭代次数范围为 10,30， 萤火 虫数目 N 的范围为 50,100。 0012 本发明中所述步骤 （。
15、4） 中步长采用的是随迭代次数自适应变化的策略， 步长的最 大值为 1， 步长的最小值为 0.001。 0013 本发明与现有技术相比具有下列优点 ： 1、 本发明提出基于萤火虫优化算法的矿带图像分割法， 可以有效地解决人工分割矿带 的问题， 提高矿带分割的实时性， 减少劳动力， 提高矿物的回收率， 高效地利用矿产资源 ； 2、 本发明提出的萤火虫优化算法， 在萤火虫的移动过程中引入了全局信息和随着迭代 次数自适应变化的步长更新策略， 提高了算法全局寻优的速度和精度， 能够更快和更准确 地搜索到矿带图像分割的最佳阈值， 减少了找到矿带图像分割的最佳阈值所需要的迭代次 数。 附图说明 0014 。
16、图 1 为本发明基于萤火虫优化算法的矿带图像分割的流程图。 具体实施方式 0015 下面结合附图和实施例对本发明作进一步详细说明， 但本发明保护范围不局限于 所述内容， 本实施例中方法如无特殊说明的均为常规方法。 0016 实施例 1 ： 参见图 1， 以从云南锡业集团大屯选矿厂拍摄的锡矿图像为例， 利用 VC+ 软件对锡矿的精矿和尾矿矿带进行分割， 采用的方法和具体步骤如下 ： （1） 矿带图像的预处理， 由于矿带图像是在选矿过程中实时拍摄的， 图像容易受到外界 噪声的影响， 因此在此步骤中， 首先将彩色矿带图像转换为灰度图像 ； 然后再利用自适应低 通滤波对灰度图像进行滤波处理 ； （2）。
17、 萤火虫的初始化， 设置参数 ： 最大迭代次数为 10， 萤火虫数目 N 为 50， 动态决策 域初始值为3， 感知域半径为5， 荧光素更新率为0.6， 荧光素消失率为0.4， 步长的 最大值为 1， 步长的最小值为 0.001 ； 利用在 （0， 1） 之间均匀分布的随机函数产生 说 明 书 CN 103366362 A 6 4/7 页 7 50 个萤火虫， 使萤火虫均匀地分布在矿带图像的灰度直方图空间中 ； （3） 利用更新公式对每个萤火虫荧光素的值进行更新， 迭代次数为 10 次时， 50 个萤火虫荧光素的值分别为 （4） 萤火虫的移动， 在此步骤中， 每个萤火虫首先确定其邻居集合， 计。
18、算移动概率， 根据 移动概率确定其在邻居集合中的移动方向， 再结合整个萤火虫群中适应度最大萤火虫的位 置来进行移动。萤火虫的移动过程可以概括如下 ： （a） 首先每个萤火虫确定其邻居集合， 并根据计算移动 概率， 式中 ： 为萤火虫 向萤火虫的移动概率，是 萤火虫 在 时刻的邻居集合，表示的是萤火虫 和之间的欧氏距离， 萤火虫 根据概 率在其邻居集合内选择一个萤火虫， 并向其移动 ； （b） 根据步长计算公式对步长进行自适应更新， 根据 位置更新公式对萤火虫的位 置进行更新， 公式中 ： 为步长，为步长的最大值 =1，为步长的最小值 =0.01， 和为 0,1 范围内的随机函数，为整个萤火虫群。
19、中适应度最大的萤火虫 ； （5） 计算第个萤火虫的动态决策域， 计算公式为 ： ， 式中 ： 为第 个萤火虫的动态决策 域， 为感知域半径， 为 0.08， 为 5， 用于控制邻域的数量 ； （6）根 据 步 骤 （4）中 计 算 出 的 萤 火 虫 移 动 后 的 位 置， 利 用 最 大 类 间 方 差 ， 计算矿带图像的适应度函数 ； 当迭代次数为 10 次时， （7） 通过迭代步骤 （3） 、（4） 、（5） 、（6） 10 次， 不断的搜索适应度函数最大值， 搜索出矿带 图像的最佳阈值为 127， 矿带灰度图像由像素点构成， 每个像素点具有一定的阈值， 因此根 据最佳阈值对矿带图像进。
20、行阈值分割， 从而把锡矿矿带分割为精矿和尾矿。 0017 说 明 书 CN 103366362 A 7 5/7 页 8 实施例 2 ： 参见图 1， 利用 VC+ 软件对锡矿的精矿和尾矿矿带进行分割， 采用的方法和 步骤与实施例 1 相同， 其中萤火虫的数目为 70 ： （1） 矿带图像的预处理， 由于矿带图像是在选矿过程中实时拍摄的， 图像容易受到外界 噪声的影响， 因此在此步骤中， 首先将彩色矿带图像转换为灰度图像 ； 然后再利用自适应低 通滤波对灰度图像进行滤波处理 ； （2） 萤火虫的初始化， 设置参数 ： 最大迭代次数为 20， 萤火虫数目 N 为 70， 动态决策 域初始值为3， 。
21、感知域半径为5， 荧光素更新率为0.6， 荧光素消失率为0.4， 步长的 最大值为 1， 步长的最小值为 0.001 ； 利用在 （0， 1） 之间均匀分布的随机函数产生 70 个萤火虫， 使萤火虫均匀地分布在矿带图像的灰度直方图空间中 ； （3） 利用更新公式对每个萤火虫荧光素的值进行更新， 迭代次数为 20 次时， 70 个萤火虫的荧光素值分别为 （4） 萤火虫的移动， 在此步骤中， 每个萤火虫首先确定其邻居集合， 计算移动概率， 根据 移动概率确定其在邻居集合中的移动方向， 再结合整个萤火虫群中适应度最大萤火虫的位 置来进行移动。萤火虫的移动过程可以概括如下 ： （a） 首先每个萤火虫确。
22、定其邻居集合， 并根据计算移动 概率， 式中 ： 为萤火虫 向萤火虫的移动概率，是 萤火虫 在 时刻的邻居集合，表示的是萤火虫 和之间的欧氏距离， 萤火虫 根据概 率在其邻居集合内选择一个萤火虫， 并向其移动 ； （b） 根据步长计算公式对步长进行自适应更新， 根据 位置更新公式对萤火虫的位 置进行更新， 公式中 ： 为步长，为步长的最大值 =1，为步长的最小值 =0.01， 和为 0,1 范围内的随机函数，为整个萤火虫群中适应度最大的萤火虫 ； （5） 计算第个萤火虫的动态决策域， 计算公式为 ： 说 明 书 CN 103366362 A 8 6/7 页 9 ， 式中 ： 为第 个萤火虫的动。
23、态决策 域， 为感知域半径， 为 0.08， 为 5， 用于控制邻域的数量 ； （6）根 据 步 骤 （4）中 计 算 出 的 萤 火 虫 移 动 后 的 位 置， 利 用 最 大 类 间 方 差 ， 计算矿带图像的适应度函数 ； 当迭代次数为 20 次时， （7） 通过迭代步骤 （3） 、（4） 、（5） 、（6） 10 次， 不断的搜索适应度函数最大值， 搜索出矿带 图像的最佳阈值为 127， 矿带灰度图像由像素点构成， 每个像素点具有不同的阈值， 因此根 据最佳阈值对矿带图像进行阈值分割， 从而把锡矿矿带分割为精矿和尾矿。 0018 实施例 3 ： 参见图 1， 对锡矿的精矿、 中矿和尾。
24、矿矿带进行分割， 采用的方法和步骤与实 施例1相同， 其中利用最大类间方差 ， 计算适应度函数， 通过迭代步骤 （3） 、（4） 、（5） 、（6） 20 次， 不断的搜索适应度函数最大值， 搜索出矿带图像的最佳阈值为， 矿带灰度图像由像素点构成， 每个像素点具有一定 的阈值， 因此根据最佳阈值对矿带图像进行阈值分割， 从而把锡矿矿带分割为精矿、 中矿和 尾矿。 0019 迭代次数为 20 次时， 50 个萤火虫荧光素的值分别为 : 利用最大类间方差， 计算矿带 图像的适应度函数 ； 当迭代次数为 20 次时， 。 0020 实施例 4 ： 为了验证新的萤火虫优化算法的有效性， 本实施例中选用。
25、了四幅矿带图像， 分别利用基本的萤火虫算法及本发明的萤火虫算法对其进行分割， 两种萤火虫优化算法采 用的参数与实施例 1 中的参数一致， 本发明中提出的萤火虫算法在萤火虫的移动过程中引 入了全局信息和随着迭代次数自适应变化的步长更新策略， 提高了算法全局寻优的速度和 精度， 能够更快和更准确地搜索到矿带图像分割的最佳阈值， 减少了找到矿带图像分割的 说 明 书 CN 103366362 A 9 7/7 页 10 最佳阈值所需要的迭代次数。 0021 表 1 ： 实验比较结果 说 明 书 CN 103366362 A 10 1/1 页 11 图 1 说 明 书 附 图 CN 103366362 A 11 。