本發(fā)明涉及基于磷蝦優(yōu)化算法的搖床礦帶分帶圖像分割法,屬圖像處理領(lǐng)域。首先將彩色的搖床礦帶分帶圖像轉(zhuǎn)換為灰度圖像;再對(duì)磷蝦進(jìn)行初始化,后計(jì)算磷蝦的適應(yīng)度函數(shù)值,再對(duì)磷蝦進(jìn)行排列,隨著迭代次數(shù)的變化對(duì)慣性權(quán)重進(jìn)行更新,計(jì)算磷蝦的運(yùn)動(dòng)向量,覓食運(yùn)動(dòng)向量和物理擴(kuò)散運(yùn)動(dòng)向量,更新磷蝦的位置,計(jì)算磷蝦個(gè)體的適應(yīng)度函數(shù)值,在滿(mǎn)足一定的迭代次數(shù)后,通過(guò)適應(yīng)度函數(shù)的最大化,找出適應(yīng)度函數(shù)值最優(yōu)的磷蝦,該磷蝦對(duì)應(yīng)的位置即為搖床礦帶分帶圖像的最佳閾值,根據(jù)最佳閾值對(duì)搖床礦帶分帶圖像進(jìn)行分割。本發(fā)明隨著迭代次數(shù)的變化對(duì)慣性權(quán)重進(jìn)行更新,算法搜索到最佳閾值的速度更快和精度更高,適合于搖床礦帶分帶圖像的分割。
聲明:
“基于磷蝦優(yōu)化算法的搖床礦帶分帶圖像分割法” 該技術(shù)專(zhuān)利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請(qǐng)聯(lián)系該技術(shù)所有人。
我是此專(zhuān)利(論文)的發(fā)明人(作者)