【阙值分割】粒子群算法自适应多阈值图像分割【含Matlab源码 1459期】

⛄一、粒子群算法自适应多阈值图像分割简介

理论知识参考:【基础教程】基于matlab图像处理图像分割【含Matlab源码 191期】
粒子群优化的多阈值图像自分割算法

⛄二、部分源代码

clc;clear;close all;

%% 输入图像;
Imag = imread(‘24063.jpg’);%296059
Imag=rgb2gray(Imag);
Image_OSTU=Imag;

%% 开始种群等基本定义
N = 500; % 初始种群个数
d = 2; % 阈值个数(参看上述的函数表达式)
ger = 300; % 最大迭代次数
plimit = [1,256];

vlimit = [-2.5, 2.5;-2.5, 2.5]; % 设置速度限制
w = 0.8; % 惯性权重,个体历史成绩对现在的影响0.5~1之间
%还有自适应调整权重、随机权重等等
%(不同的权重设置很影响性能,按需要选取)

c1 = 0.5; % 自我学习因子
c2 = 0.5; % 群体学习因子

x = zeros(N, 2);
for i = 1:N %对每一个个体
x(i,1) = floor(plimit(1) + (plimit(2) - plimit(1)) * rand);%初始种群的位置
x(i,2) = floor(x(i,1) + (plimit(2) - x(i,1)) * rand);%初始种群的位置
end

v = rand(N, d); % 初始种群的速度,500行2列分别在两个维度上
xm = x; % 每个个体的历史最佳位置
ym = zeros(1, d); % 种群的历史最佳位置,两个维度,设置为0
fxm = zeros(N, 1); % 每个个体的历史最佳适应度,设置为0
fym = -inf; % 种群历史最佳适应度,求最大值先设置成负无穷

iter=1; %初始的迭代次数因为用while设置为一
times = 1;
record = zeros(ger, 1); %记录器

%% 迭代更新开始
while iter <= ger

fx = f(x); % 代入x中的二维数据,算出个体当前适应度,为500行1列的数据
for i = 1:N %对每一个个体做判断
if fxm(i) < fx(i) %如果每个个体的历史最佳适应度小于个体当前适应度
fxm(i) = fx(i); % 更新个体历史最佳适应度,第一轮就是把小于零的清除
xm(i,:) = x(i,:); % 更新个体历史最佳位置
end
end

if fym < max(fxm) %种群历史最佳适应度小于个体里面最佳适应度的最大值
[fym, nmax] = max(fxm); % 更新群体历史最佳适应度,取出最大适应度的值和所在行数即位置

end

v = v * w + c1 * rand *(xm - x) + c2 * rand *(repmat(ym, N, 1) - x);
% 速度更新公式,repmat函数把ym矩阵扩充成N行1列

%%边界速度处理

    for j=1:N
    if  v(j,i)>vlimit(i,2)      %如果速度大于边界速度,则把速度拉回边界
        v(j,i)=vlimit(i,2);
    end
    if  v(j,i) < vlimit(i,1)     %如果速度小于边界速度,则把速度拉回边界
        v(j,i)=vlimit(i,1);
    end
    end

end

x = floor(x + v); % 位置更新

for j=1:N
if x(j,1)> plimit(2)
x(j,1)=plimit(2);
end
if x(j,1) < plimit(1)
x(j,1)=plimit(1);
end
if x(j,2)> plimit(2)
x(j,2)=plimit(2);
end
if x(j,2) < x(j,1)
x(j,2)=x(j,1);
end
end

end

%% 作图
figure(3);
plot(record); %画出最大值的变化过程
title(‘收敛过程’)

threshold1 = ym(1);
threshold2 = ym(2);
[height,length]=size(Image_OSTU);
for i=1:length
for j=1:height
if Image_OSTU(j,i)>=threshold2
Image_OSTU(j,i)=255;
elseif Image_OSTU(j,i)<=threshold1
Image_OSTU(j,i)=0;
else
Image_OSTU(j,i)=(threshold1+threshold2)/2;
end
end
end
figure(4);
imshow(Image_OSTU);
xlabel([‘最大类间差法阈值’,num2str(ym)]);

%% 适应度函数
function fx = f(x)
Imag = imread(‘24063.jpg’);%296059
Imag=rgb2gray(Imag);

[height,length]=size(Imag);
totalNum=height*length;

pixelCount=zeros(1,256);%统计各个像素值的个数
for i=1:length
for j=1:height
number=Imag(j,i)+1;
pixelCount(number)=pixelCount(number)+1;
end
end

a=1:256;

fx = zeros(1, 500);
for i=1:500
m=x(i,1);
n=x(i,2);
w0=sum(pi(1:m));
w1=sum(pi(m+1:n));
w2=sum(pi(n+1:256));
mean0=sum(pi(1:m).a(1:m))/w0;
mean1=sum(pi(m+1:n).a(m+1:n))/w1;
mean2=sum(pi(n+1:256).a(n+1:256))/w2;
fx(i)=w0
w1
(mean0-mean1)2+w0*w2*(mean0-mean2)2+w1
w2*(mean1-mean2)^2;
end
end

⛄三、运行结果

【阙值分割】粒子群算法自适应多阈值图像分割【含Matlab源码 1459期】_第1张图片
【阙值分割】粒子群算法自适应多阈值图像分割【含Matlab源码 1459期】_第2张图片

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]马培培,胡敏.粒子群优化的多阈值图像自分割算法[J].微计算机信息. 2010,26(29)

3 备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除

你可能感兴趣的:(Matlab图像处理(进阶版),matlab,算法,图像处理)