一种基于量子粒子群优化的二维双阈值sar图像分割方法
【专利摘要】本发明公开了一种基于量子粒子群优化的二维双阈值SAR图像分割方法，其实现步骤为：（1）初始化粒子群种群规模M和最大迭代次数Tmax，随机生成每个粒子的初始位置；（2）计算适应度函数，根据最大类内方差值得到当前粒子的最优位置和本次迭代的全局最优位置；（3）计算Pid和mbestd；（4）构造随机数组；（5）设置界定值，判断其与界定值的关系，根据公式更新粒子位置；（6）检查是否达到结束条件，若达到则结束；否则返回步骤（2）继续。（7）全局最优位置指向的粒子的两个维度里保存着所要寻找的一对最优阈值，根据该对阈值对SAR图像进行分割。本发明与经典分割方法相比，对SAR图像分割的效果更好，时间复杂度相对较小。
【专利说明】—种基于量子粒子群优化的二维双阈值SAR图像分割方法
【技术领域】
[0001]本 发明属于图像数据处理【技术领域】，具体地说是一种基于量子粒子群优化的二维双阈值SAR图像分割方法。
【背景技术】
[0002]雷达概念形成于20世纪初，是利用电磁波探测目标的电子设备。其在第二次世界大战中得到迅速发展。合成孔径雷达(Synthetic Aperture Radar, SAR)是一种工作在微波波段的相干成像雷达，是一种主动式的微波遥感传感器。由于它具有全天候、全天时、远距离和宽广的观测带，以及易于从固定背景中区分运动目标的能力，因此被广泛应用于地质勘探、城市规划、军事探测、海洋监测、植被生长评估等众多领域。合成孔径雷达的发展对国民生活、国防技术现代化、国民经济建设具有十分重要的意义，雷达技术越来越受到国际上技术先进国家的重视，现在不仅已有各种实孔径成像雷达，而且已有包含信息更全面的极化合成孔径雷达(Polarimetrie Synthetie Aperture Radar,简写 PolSAR)。
[0003]SAR图像分割和分类是SAR图像处理的第一步，也是图像处理中最难解决的问题之一。因此，寻求高效、高精度的图像分割方法具有十分重要的意义。图像分割一直受到人们的高度重视，许多学者为此付出了巨大的努力，至今已经提出了各种类型的分割算法。经典的图像分割方法有:基于阈值化的分割法、基于边缘的分割、基于区域的分割、基于聚类的分割、基于形态学及其他分割方法等。在这些方法中阈值化图像分割方法操作简单，效率高，因此作为一种常见的直接检测区域分割方法一直受到很多相关方向研究学者的关注，是图像分割的一种重要方法。随着图像分割问题复杂度的提高，该方法分割的高耗时性已经严重影响了它的应用。那么，寻找一种高效的算法来解决上述问题具有重大的意义。
[0004]粒子群优化算法简洁、易于实现、需要调整的参数较少，现已被成功的运用于非线性连续优化、组合优化等优化问题上。在分割复杂度较高的图像时，我们经常将多参量进行信息融合，在求解多参量最优值过程中，优化计算是重点也难点，把自然界中自然进化的特征应用到计算机算法当中，很多难题将得到解决。粒子群优化算法的出现为解决这类问题提供了崭新且高效的方法。因此将两者结合在一起将推进图像分割算法高效、实时的实现。
【发明内容】
[0005]本发明的目的在于提供一种基于量子粒子群优化的二维双阈值SAR图像分割方法，克服已有经典阈值化图像分割技术在SAR图像分割时分割效果较差且分割时间复杂度闻的缺点。
[0006]为实现上述目的，本发明提供了一种基于量子粒子群优化的二维双阈值SAR图像分割方法，包括如下步骤:
[0007](1)初始化粒子群种群规模M和最大迭代次数Tmax,使用随机函数生成每个粒子初
直(Xji) Xi2，…，Xis)。
[0008](2)根据下式计算获得0」乍为适应度函数，依据类内方差最大值得到当前粒子的最优位置pbestid和本次迭代中的全局最优值gbestd。
[0009]
【权利要求】
1.一种基于量子粒子群优化的二维双阈值SAR图像分割方法，其特征在于:包括如下步骤: (1)初始化粒子群种群规模M和最大迭代次数Tmax,使用随机函数生成每个粒子初始位直(Xil，Xi2，…，Xis); (2)根据下式计算获得0」乍为适应度函数，依据类内方差最大值得到当前粒子的最优位置Pbestid和本次迭代中的全局最优值gbestd ；
【文档编号】G06T7/00GK103914831SQ201410085337
【公开日】2014年7月9日 申请日期:2014年3月10日 优先权日:2014年3月10日
【发明者】焦李成, 刘芳, 刘佳颖, 马文萍, 马晶晶, 王爽, 侯彪, 李阳阳, 朱虎明 申请人:西安电子科技大学