基于改进差分进化粒子群算法的煤尘重叠颗粒分离方法技术

本发明专利技术公开了一种基于改进差分进化粒子群算法的煤尘重叠颗粒分离方法，包括步骤：一、图像处理器调用二值化图像处理模块对煤粉尘图像进行二值化处理，得到煤粉尘二值化图像；二、图像处理器调用形状特征系数计算模块计算出煤粉尘二值化图像的形状特征系数并根据形状特征系数确定出存在煤尘重叠颗粒的煤粉尘二值化图像；三、图像处理器调用边缘特征点定位模块定位得到煤尘重叠颗粒图像的边缘曲线的特征点；四、图像处理器调用重叠颗粒交点提取模块提取出特征点中的重叠颗粒交点；五、图像处理器调用煤尘重叠颗粒分离模块并采用改进的差分进化粒子群算法进行煤尘重叠颗粒分离。本发明专利技术提高了煤尘重叠颗粒分离精度，鲁棒性好，适应性强，使用效果好。

【技术实现步骤摘要】

本专利技术属于煤粉尘图像处理
，具体涉及一种基于改进差分进化粒子群算法的煤尘重叠颗粒分离方法。
技术介绍
在煤尘粒径分布和煤尘浓度测量过程中煤尘颗粒的识别是最为关键的内容。在完成滤波去噪和图像分割的处理过程之后可获得煤尘的二值图像,接下来要实现对煤尘二值图像的识别工作，由于煤尘具有各种形状且煤尘之间还相互交叠，研究起来比较复杂，这就使得图像识别过程非常困难。针对煤尘图像中存在的煤尘相互重叠的问题，那么要对煤尘图像识别前，首先应把重叠的煤尘进行分离。如何对原煤粉尘准确而有效分离，同时又不丢失信息，是一个经典的问题。近年来，研究人员一直通过改进现有的方法获得一些新的理论和算法，并从其他学科入手分离重叠颗粒，提出了很多新的探索。目前大部分关于重叠颗粒的判别都在专业图像分析仪的帮助下进行，这个观测的过程是以肉眼识别为基础的，用鼠标划出重叠颗粒范围，其准确度具有一定的主观性，并且无法实现运用计算机自动分离重叠颗粒的目标。基于对上述问题的考虑，许多学者对于重叠颗粒图像的分离问题通常从边缘跟踪和数学形态学两种不同思维出发进行归类，基于边缘跟踪算法常见的有链码差法、矢量夹角法、估算圆心法等，他们只适用于近圆形的粘连颗粒图像，局限性太大。而煤尘颗粒形状复杂，有块状、片状、针状、球状、线装等。显然应用边缘跟踪算法不能很好解决煤尘颗粒的识别问题，虽然数学形态学的方法不受到分析对象形状的限制，但其分割算法精度较低；聚类算法很难拟合重叠超过3个的颗粒；而通过分水岭变换算法获得的区域轮廓具有密闭性、连通性、单像素宽以及精确位置，但分水岭算法有过分割的问题。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于改进差分进化粒子群算法的煤尘重叠颗粒分离方法，其方法步骤简单，设计新颖合理，实现方便，提高了煤尘重叠颗粒分离的精度，鲁棒性好，适应性强，使用灵活方便，实用性强，使用效果好，推广应用价值高。为解决上述技术问题，本专利技术采用的技术方案是：一种基于改进差分进化粒子群算法的煤尘重叠颗粒分离方法，其特征在于，该方法包括以下步骤：步骤一、图像处理器调用二值化图像处理模块对获取到的煤粉尘图像进行二值化处理，得到煤粉尘二值化图像，煤粉尘二值化图像中，目标区域的标记为1，背景区域的标记为0；步骤二、图像处理器调用形状特征系数计算模块计算出煤粉尘二值化图像的形状特征系数φs，并将的煤粉尘二值化图像确定为存在煤尘重叠颗粒的煤粉尘二值化图像；其中，为煤粉尘二值化图像存在煤尘重叠颗粒的形状特征系数阈值；步骤三、图像处理器调用边缘特征点定位模块定位得到存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的特征点；步骤四、图像处理器调用重叠颗粒交点提取模块提取出步骤三中定位得到的煤尘重叠颗粒图像的边缘曲线的特征点中的重叠颗粒交点；步骤五、图像处理器调用煤尘重叠颗粒分离模块并采用改进的差分进化粒子群算法进行煤尘重叠颗粒分离，具体过程为：步骤501、在每相邻两个重叠颗粒交点之间的特征点中随机抽取6个，对每相邻两个重叠颗粒交点之间的特征点进行椭圆拟合，得到椭圆的表达式ax2+bxy+cy2+dx+ey+h＝0中的6个参数a、b、c、d、e、h的一组值；步骤502、将差分进化粒子群的位置矩阵X初始化为： X = x 11 x 12 x 13 x 14 x 15 x 16 x 21 x 22 x 23 x 24 x 25 x 26 ... ... ... ... ... ... x N 1 x N 2 x N 3 x N 4 本文档来自技高网...

【技术保护点】
一种基于改进差分进化粒子群算法的煤尘重叠颗粒分离方法，其特征在于，该方法包括以下步骤：步骤一、图像处理器调用二值化图像处理模块对获取到的煤粉尘图像进行二值化处理，得到煤粉尘二值化图像，煤粉尘二值化图像中，目标区域的标记为1，背景区域的标记为0；步骤二、图像处理器调用形状特征系数计算模块计算出煤粉尘二值化图像的形状特征系数φs，并将的煤粉尘二值化图像确定为存在煤尘重叠颗粒的煤粉尘二值化图像；其中，为煤粉尘二值化图像存在煤尘重叠颗粒的形状特征系数阈值；步骤三、图像处理器调用边缘特征点定位模块定位得到存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的特征点；步骤四、图像处理器调用重叠颗粒交点提取模块提取出步骤三中定位得到的煤尘重叠颗粒图像的边缘曲线的特征点中的重叠颗粒交点；步骤五、图像处理器调用煤尘重叠颗粒分离模块并采用改进的差分进化粒子群算法进行煤尘重叠颗粒分离，具体过程为：步骤501、在每相邻两个重叠颗粒交点之间的特征点中随机抽取6个，对每相邻两个重叠颗粒交点之间的特征点进行椭圆拟合，得到椭圆的表达式ax2+bxy+cy2+dx+ey+h＝0中的6个参数a、b、c、d、e、h的一组值；步骤502、将差分进化粒子群的位置矩阵X初始化为：X=|x11x12x13x14x15x16x21x22x23x24x25x26..................xN1xN2xN3xN4xN5xN6|]]>其中，x1j(j＝1,2,3,4,5，6)为步骤501中得到的椭圆的表达式中的6个参数a、b、c、d、e、h的一组值，xij(i＝2,3,…,N；j＝1,2,…,6)＝x1j×[1+0.1×rand()]，rand()为均匀分布在(0,1)上的随机数，N为种群规模；步骤503、对于差分进化粒子群的位置矩阵X中的第i行粒子对应的椭圆，根据公式计算得到椭圆的中心坐标(xi,0,yi,0)，并计算进行椭圆拟合的相邻两个重叠颗粒交点之间的各个特征点距离椭圆中心坐标(xi,0,yi,0)的距离，当距离小于匹配点选择距离阈值dp时，将特征点判断为匹配点，并将匹配点个数作为第i行粒子的适应度函数值；依次取i＝1,2,…,N，计算各行粒子的适应度函数值，并在每次计算时，将适应度函数值大的粒子的适应度函数值定义为粒子当前最优位置，且在计算完N次后，将适应度函数值最大的粒子的适应度函数值定义为粒子群全局最优位置；步骤504、通过公式xij(n+1)＝xij(n)+λFi(n)(Pg(n)‑xij(n))+(1‑λ)Fi(n)(Pi(n)‑xij(n))+Fi(n)(xij(n)‑xi+1,j(n))对差分进化粒子群的位置矩阵X进行更新，其中，xij(n)为迭代次数为n时差分进化粒子群中第i行第j列位置处的粒子，xij(n+1)为迭代次数为n+1时差分进化粒子群中第i行第j列位置处的粒子，λ为惯性系数且λ＝λmin+n×(λmax‑λmin)/nmax，n为迭代次数且取值为1～nmax的自然数，λmin为最小惯性系数，λmax为最大惯性系数，nmax为总迭代次数；Fi(n)为缩放系数且Fmin为最小缩放系数，Fmax为最大缩放系数；Pi(n)为迭代次数为n时的粒子当前最优位置，Pg(n)为迭代次数为n时的粒子群全局最优位置；xi+1,j(n)为迭代次数为n时差分进化粒子群中第i+1行第j列位置处的粒子；步骤505、定义第一次执行步骤502时的迭代次数n为1，逐一增大n，重复执行步骤503～504，直到迭代次数n达到nmax后执行步骤506；步骤506、将最后一次迭代确定出的粒子群全局最优位置对应的椭圆的6个参数确定为最终进行椭圆拟合的椭圆的表达式ax2+bxy+cy2+dx+ey+h＝0中的6个参数a、b、c、d、e、h；步骤507、绘制椭圆并通过椭圆曲线将煤尘重叠颗粒分离，每个椭圆曲线内都围有一个分离出来的单个煤尘颗粒。...

【技术特征摘要】
1.一种基于改进差分进化粒子群算法的煤尘重叠颗粒分离方法，其特征在于，该方法包括以下步骤：步骤一、图像处理器调用二值化图像处理模块对获取到的煤粉尘图像进行二值化处理，得到煤粉尘二值化图像，煤粉尘二值化图像中，目标区域的标记为1，背景区域的标记为0；步骤二、图像处理器调用形状特征系数计算模块计算出煤粉尘二值化图像的形状特征系数φs，并将的煤粉尘二值化图像确定为存在煤尘重叠颗粒的煤粉尘二值化图像；其中，为煤粉尘二值化图像存在煤尘重叠颗粒的形状特征系数阈值；步骤三、图像处理器调用边缘特征点定位模块定位得到存在煤尘重叠颗粒的煤尘重叠颗粒图像的边缘曲线的特征点；步骤四、图像处理器调用重叠颗粒交点提取模块提取出步骤三中定位得到的煤尘重叠颗粒图像的边缘曲线的特征点中的重叠颗粒交点；步骤五、图像处理器调用煤尘重叠颗粒分离模块并采用改进的差分进化粒子群算法进行煤尘重叠颗粒分离，具体过程为：步骤501、在每相邻两个重叠颗粒交点之间的特征点中随机抽取6个，对每相邻两个重叠颗粒交点之间的特征点进行椭圆拟合，得到椭圆的表达式ax2+bxy+cy2+dx+ey+h＝0中的6个参数a、b、c、d、e、h的一组值；步骤502、将差分进化粒子群的位置矩阵X初始化为： X = | x 11 x 12 x 13 x 14 x 15 x 16 x 21 x 22 x 23 x 24 x 25 x 26 ... ... ... ... ... ... x N 1 x N 2 ...

【专利技术属性】
技术研发人员：王征，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西;61