陳 超，袁春紅

(1.內(nèi)江師范學(xué)院 數(shù)學(xué)與信息科學(xué)學(xué)院，四川 內(nèi)江 641112； 2.中國郵政儲蓄銀行 內(nèi)江分行，四川 內(nèi)江 641114)

基于多混沌PSO和Snake模型的圖像分割算法

陳 超1，袁春紅2

(1.內(nèi)江師范學(xué)院 數(shù)學(xué)與信息科學(xué)學(xué)院，四川 內(nèi)江 641112； 2.中國郵政儲蓄銀行 內(nèi)江分行，四川 內(nèi)江 641114)

針對分割圖像目標(biāo)是無法提取目標(biāo)的真實(shí)邊緣且實(shí)時性不佳，引入混沌系統(tǒng)改進(jìn)的PSO(簡化粒子群算法) 提取出的目標(biāo)邊緣作為Snake模型分割的起始位置，優(yōu)化能量函數(shù)后分割出精準(zhǔn)目標(biāo).實(shí)驗(yàn)表明：對圖像目標(biāo)進(jìn)行分割的時間減少且精準(zhǔn)度也提高了。

多混沌粒子群；Sake模型；能量函數(shù)；圖像分割

引言

圖像分割是圖像處理中的一個關(guān)鍵步驟，因?yàn)榉指畹膬?yōu)劣直接影響后期的識別和處理。在眾多現(xiàn)代智能算法中粒子群算法是一個簡單實(shí)用且應(yīng)用廣泛的算法，比如黃太安等改進(jìn)PSO算法，[1]劉桂紅等改進(jìn)粒子群優(yōu)化算法后結(jié)合Otsu進(jìn)行圖像閾值分割，[2]趙立川等改進(jìn)自仿射映射系統(tǒng)與參數(shù)活動輪廓進(jìn)行醫(yī)學(xué)圖像分割，[3]林克正等提出基于Snake和外觀模板的組合式圖像對象分割，[4]有學(xué)者提出混沌系統(tǒng)或者改進(jìn)目標(biāo)約束等來改進(jìn)粒子群算法實(shí)現(xiàn)多閾值圖像分割，[5][6]還有學(xué)者從多方面對粒子群算法進(jìn)行改進(jìn)用于快速路網(wǎng)匝道控制等。[7]-[13]程畢蕓等提出求解旅行商問題的改進(jìn)局部搜索混沌離散粒子群優(yōu)化算法，[14]針對分割出目標(biāo)圖像的真實(shí)輪廓不夠精準(zhǔn)和速度不快等瑕疵,結(jié)合Snake模型中的能量函數(shù)，使用改進(jìn)的蛙跳簡化粒子群算法更新輪廓線的位置點(diǎn)，避免早熟引起的過早停滯在偽邊緣上；實(shí)驗(yàn)表明：對日常的兩種物體分割時的效果比較顯著，空間精準(zhǔn)度得到提升，分割時間也減少。

1 粒子群算法

1.1 PSO算法

針對粒子群算法容易出現(xiàn)早熟、停滯在局部最優(yōu)上且搜索效率不高的問題，[1]-[2]迭代公式如下:[1-2]

v(t+1)=v(t)+c1r1(pbest-x(t))+c2r2(gbest-x(t))

(1)

x(t+1)=x(t)+v(t+1)

(2)

其中，t設(shè)置為當(dāng)前進(jìn)化代數(shù)， c1、c2為非負(fù)常數(shù)的學(xué)習(xí)因子，一般取c1=2且c2=2， r1、r2取[0,1]內(nèi)的隨機(jī)數(shù)。[2]

1.2 改進(jìn)PSO算法

6和14的啟發(fā)，此時引入混沌系統(tǒng)運(yùn)動隨機(jī)性，主要是從確定的粒子群方程推導(dǎo)出隨機(jī)擾動性的運(yùn)動狀態(tài)即為混沌，呈現(xiàn)混沌狀態(tài)的變量成為混沌變量?；镜幕煦缦到y(tǒng)可描述為公式(1):

Si=uSi-1(1-Si-1) i=1，2，3，…

(3)

其中u為控制參量，其中S0=[0,1]，可依次推導(dǎo)出后續(xù)的a值。一個混沌變量在一定的范圍內(nèi)出現(xiàn)雜亂的遍歷性，從而有更多的尋找最優(yōu)值的機(jī)會。[6][14]

(4)

(5)

2 Snake模型

2.1 Snake模型初始化圖像的輪廓特征，每次迭代導(dǎo)致初始輪廓特征向能量公式(6)趨于穩(wěn)定最終使能量函數(shù)值最小。[2-3]能量函數(shù)分為內(nèi)部影響力和外部約束力，當(dāng)Snake的能量優(yōu)化函數(shù)值達(dá)到最小后(穩(wěn)定點(diǎn)時)，內(nèi)力和外力能量達(dá)到收縮曲線的平衡。Snake模型初始輪廓是一條參數(shù)化的曲線，改進(jìn)PSO算法后結(jié)合Otsu進(jìn)行圖像閾值分割得到目標(biāo)的初始輪廓作為參數(shù)曲線的主要輪廓位置點(diǎn)。定義輪廓曲線V(s)=(X(s),Y(s))，設(shè)能量函數(shù)為：[11]

(6)

其中輪廓曲線參數(shù)用S表示，內(nèi)部能量函數(shù)用公式Eint(V(s))表示，外部能量函數(shù)用Eext(V(s))表示，具體到圖像目標(biāo)分割時，由于圖像是離散變量，于是表示為：[2-3]

(7)

Eext=-|(G(x,y,σ)*I(x,y))|2

(8)

其中的一階導(dǎo)數(shù)、二階導(dǎo)數(shù)均為微分，α控制演變曲線的彈性性能，β控制曲線的彎曲性能，G(x,y,σ)為高斯函數(shù)，I(x,y)表示灰度值，是梯度算子。內(nèi)力和外力到達(dá)最穩(wěn)定的時候，當(dāng)E達(dá)到最小時結(jié)束圖像目標(biāo)的分割。一般曲線可以停止在真實(shí)目標(biāo)的邊界上。[2-3]本文就是選擇改進(jìn)后的PSO分割出的輪廓作為Snake分割的初始位置點(diǎn)，可以使內(nèi)部能量和外部能量在總能量中占有合理的權(quán)重，最小化能量的過程，也就是就是曲線保持自身連續(xù)性并向明顯特征收縮的過程。[11]

2.2 改進(jìn)PSO算法，優(yōu)化Snake模型

2.2.1 分割主要步驟

step1：設(shè)置粒子群迭代次數(shù)為50，初始粒子群規(guī)模為20個隨機(jī)位置點(diǎn)；

step 2：使用改進(jìn)PSO算法后結(jié)合Otsu進(jìn)行圖像閾值分割得到目標(biāo)的初始輪廓作為Snake分割的初始位置;

step3：分別賦予內(nèi)部能量和外部能量，作為優(yōu)化目標(biāo)函數(shù)；

step 4：求取目標(biāo)函數(shù)的能量最小值時分割出真實(shí)目標(biāo)。

2.2.2 流程圖

實(shí)驗(yàn)操作流程圖如圖1所示。

圖1 算法流程圖

3 實(shí)驗(yàn)部分

3.1 實(shí)驗(yàn)硬件平臺

CPU為AMD 5500+,內(nèi)存為2G；實(shí)驗(yàn)軟件平臺是：Matlab2013A、Windows XP。

3.2 實(shí)驗(yàn)結(jié)果

粒子群初始規(guī)模為20，迭代次數(shù)設(shè)置為50。通過對四種生活中常見物體使用改進(jìn)后的PSO和Snake模型進(jìn)行圖像分割實(shí)驗(yàn)，具體分割效果圖如圖2和圖3、圖4、圖5所示。

圖2 分割熊貓效果圖

圖3 分割人參效果圖

圖4 分割大米效果圖

圖5 分割人物效果圖

3.3 實(shí)驗(yàn)評價(jià)

參考文獻(xiàn)[15]的視頻對象分割性能評價(jià)準(zhǔn)則，有空間準(zhǔn)確度。

SA(t)=α*PCM+β*EM+γ*RFAM+φ*RPM

(7)

其中PCM為給予像素分類的尺度，EM為基于邊緣的尺度，RFAM為相對前景面積尺度，RPM為相對位置尺度。當(dāng)在實(shí)驗(yàn)中α=0.3,β=0.3,γ=0.3,φ=0.1時，評價(jià)效果最好。實(shí)驗(yàn)給出參考文獻(xiàn)2、參考文獻(xiàn)3和本文算法對比的結(jié)果，具體如圖6所示。

圖6 空準(zhǔn)確間度對比圖

圖6中，點(diǎn)畫線、實(shí)線、虛線分別為參考文獻(xiàn)2、參考文獻(xiàn)3、本文算法的空間相似度；從空間準(zhǔn)確度上顯示，加入了混沌系統(tǒng)后的PSO和Snake模型的算法分割的效果有明顯的提高。

詳細(xì)實(shí)驗(yàn)數(shù)據(jù)如表1所示。

表1分割閾值、時間對比表

改進(jìn)后的算法在對兩張圖像在不同算法下進(jìn)行分割，實(shí)時性得到了提高。

總結(jié)

圖像分割是數(shù)字圖像處理中的熱點(diǎn)和難點(diǎn)，也是后期數(shù)字識別和處理的關(guān)鍵年環(huán)節(jié)。為了提高分割的實(shí)時性和精度，引入多混沌系統(tǒng)來改進(jìn)PSO結(jié)合Otsu進(jìn)行圖像閾值分割得到目標(biāo)的初始輪廓作為Snake分割的初始位置。實(shí)驗(yàn)表明：分割目標(biāo)的時間和效率都得到提高。

參考文獻(xiàn)

[1]黃太安,生佳根,徐紅洋,黃澤．一種改進(jìn)的簡化粒子群算法[J].計(jì)算機(jī)仿真,2013,30(2)：327-329．

[2]劉桂紅,趙亮,孫勁光.一種改進(jìn)粒子群優(yōu)化算法的Otsu圖像閾值分割方法[J].計(jì)算機(jī)科學(xué),2016,43(3):309-311.

[3]趙立川,高陽. 基于改進(jìn)自仿射映射系統(tǒng)與參數(shù)活動輪廓的醫(yī)學(xué)圖像分割算法[J].計(jì)算機(jī)應(yīng)用研究, 2017,34(2):62-65.

[4]林克正,李慧,李新元.基于Snake和外觀模板的組合式圖像對象分割[J]. 計(jì)算機(jī)應(yīng)用研究,2016,33(3)：927-929.

[5]凌海風(fēng),周獻(xiàn)中,江勛林,等.改進(jìn)的約束多目標(biāo)粒子群算法[J].計(jì)算機(jī)應(yīng)用,2012,32(5)：1320-1324．

[6]蔣艷會,李峰.基于混沌粒子群算法的多閾值圖像分割[J].計(jì)算機(jī)工程與應(yīng)用,2010,10(46):175-176.

[7]吳定海,張培林,李勝,等.基于混沌變異的自適應(yīng)雙粒子群優(yōu)化[J]. 控制與決策, 2011，26(7):1084-1086.

[8]張選平,杜玉平,秦國強(qiáng)，等.一種動態(tài)改變慣性權(quán)的自適應(yīng)粒子群算法[J]. 西安交通大學(xué)學(xué)報(bào),2005,39(10):1041-1043.

[9]羅金炎.粒子群算法的遞推分析及改進(jìn)[J]，計(jì)算機(jī)工程與應(yīng)用，2016，52(19)：25-30.

[10]袁晗，徐春梅，楊平,等.一種基于子群變異的粒子群優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用研究,2016,34(04).

[11]姚龍洋,張清華,胡帥鵬,張強(qiáng).基于近似集與粒子群的粗糙熵圖像分割方法[J].計(jì)算機(jī)科學(xué)與探索,2016,10(5):376-379.

[12]譚躍,譚冠政,鄧曙光.基于遺傳交叉和多混沌策略改進(jìn)的粒子群優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用研究,2016,12(33):1660-1663.

[13]蔡琪，單冬紅，趙偉艇.改進(jìn)粒子群算法的云計(jì)算環(huán)境資源優(yōu)化調(diào)度[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，01，35(1)：94-96.

[14]程畢蕓,魯海燕,徐向平，等.求解旅行商問題的改進(jìn)局部搜索混沌離散粒子群優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用,2016,36(1):138-140.

[15]張石,董建威,佘黎煌.醫(yī)學(xué)圖像分割算法的評價(jià)方法[J].中國圖象圖形學(xué)報(bào),2009,14(9):1872-1874.

ImageSegmentationAlgorithmBasedonChaosPSOAlgorithmandSnakeModel

Chen Chao1，Yuan Chunhong2

(1.School of Maths and Information Science, Neijiang Normal University, Neijiang, Sichuan 641112，China; 2.Neijiang Branch of Postal Saving Bank of China, Neijiang, Sichuan 641114，China)

Aiming at the difficulty to segment the real edge and slow convergence, we introduced chaos system into PSO(simplified particle swarm algorithm)to get the contour as initial position of Snake Model’s energy function, then get a precise target. Experiments show that the segmentation target time and efficiency are improved significantly.

chaos PSO; Snake model; energy function; image segmentation

TP311

：A

(責(zé)任編輯：蔡雪嵐)

1672-6758(2017)09-0045-5

陳超,碩士,講師，內(nèi)江師范學(xué)院數(shù)學(xué)與信息科學(xué)學(xué)院。研究方向：數(shù)字圖像處理，目標(biāo)檢測等。 袁春紅,助理經(jīng)濟(jì)師，中國郵政儲蓄銀行內(nèi)江分行。研究方向：金融理財(cái),電子銀行等。

內(nèi)江師范學(xué)院重點(diǎn)學(xué)科“計(jì)算數(shù)學(xué)”(編號：0430101)、科研項(xiàng)目“視頻圖像中的目標(biāo)檢測及跟蹤”(編號：15JC09)資助。

ClassNo.:TP311DocumentMark：A