技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，更具體地，涉及一種基于布谷鳥算法的圖像編輯優(yōu)化方法。

背景技術(shù)

隨著圖像處理技術(shù)的日益成熟，圖像的優(yōu)化編輯方式越來越多。通過對圖像進(jìn)行優(yōu)化編輯，不僅可以提高原有圖像的顯示質(zhì)量，還能夠提高圖像的整體視覺效果。

如何提取圖像的層次關(guān)系目前仍然是一個(gè)很具有挑戰(zhàn)性的問題，主流的Photoshop等圖像編輯軟件都不支持層次關(guān)系的自動提取，圖像中的圖層信息需要人們自己手工選定，非常不方便。現(xiàn)有的提取圖像層次關(guān)系的方法都不能作為通用的技術(shù)投入使用，有的方法復(fù)雜度較高，只適合處理簡單的人工圖像而不利于處理復(fù)雜的自然圖像；有的方法只用到了局部特征信息，可以局部判斷相鄰區(qū)域的遮擋關(guān)系但缺少全局偏序關(guān)系的約束；有的方法在得到正確分割區(qū)域的基礎(chǔ)上展開研究，這對初始圖像分割結(jié)果提出了很高的要求。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于布谷鳥算法的圖像編輯優(yōu)化方法，解決上述現(xiàn)有技術(shù)中的一個(gè)或者是多個(gè)。

本發(fā)明提供的一種基于布谷鳥算法的圖像編輯優(yōu)化方法，包括以下步驟：

步驟1：輸入待分割的圖像，提取該圖像的色彩特征，并利用布谷鳥算法對模糊聚類算法的聚類中心進(jìn)行優(yōu)化，應(yīng)用改進(jìn)的模糊聚類算法，在圖像的色彩空間中對像素點(diǎn)進(jìn)行聚類，并輸出聚類中心，根據(jù)所述聚類中心，計(jì)算隸屬度矩陣，根據(jù)所述聚類中心、隸屬度矩陣對圖像的像素進(jìn)行劃分，從而實(shí)現(xiàn)圖像的分割；

步驟2：得到若干超分割區(qū)域，提取各區(qū)域中有關(guān)層次關(guān)系的局部特征，并用局部特征進(jìn)行前景-背景關(guān)系和同層合并關(guān)系的判斷；

步驟3：在判斷結(jié)果的基礎(chǔ)上建立一個(gè)全局能量函數(shù)，并用改進(jìn)的差分進(jìn)化算法求解該函數(shù)從而得到最終的層次關(guān)系；

步驟4：根據(jù)圖像的層次關(guān)系，編輯所有層次間的偏序關(guān)系，當(dāng)原有的偏序關(guān)系發(fā)生改變時(shí)，對原圖像中被遮擋的層次進(jìn)行輪廓填充和顏色填充。

在一些實(shí)施方式中，步驟1中所述利用布谷鳥算法對模糊聚類算法的聚類中心進(jìn)行優(yōu)化，還包括如下步驟：步驟11：參數(shù)初始化，包括布谷鳥算法的規(guī)模Nmax，鳥巢中發(fā)現(xiàn)外來布谷鳥蛋的概率P，聚類中心的個(gè)數(shù)n，算法終止閥值G；步驟12：首先利用傳統(tǒng)的FCM隨機(jī)生成初始的聚類中心，作為鳥窩的初始位置；步驟13：利用布谷鳥算法優(yōu)化步驟12生成的聚類中心，通過不停迭代生成最終的聚類中心；步驟14：利用步驟13生成的最終聚類中心，計(jì)算FCM目標(biāo)函數(shù)；步驟15：若滿足給定的最大迭代次數(shù)G，算法結(jié)束，輸出最終分割圖片,否則轉(zhuǎn)至步驟12。

本發(fā)明的有益效果為：采用的計(jì)算方法復(fù)雜度較低，可以準(zhǔn)確地計(jì)算圖像的層次關(guān)系，并在得到層次關(guān)系的基礎(chǔ)上進(jìn)行圖像編輯。

具體實(shí)施方式

本發(fā)明提供一種基于布谷鳥算法的圖像編輯優(yōu)化方法，下面對本發(fā)明作詳細(xì)介紹：

本發(fā)明提供的一種基于布谷鳥算法的圖像編輯優(yōu)化方法，包括以下步驟：

步驟1：輸入待分割的圖像，提取該圖像的色彩特征，并利用布谷鳥算法對模糊聚類算法的聚類中心進(jìn)行優(yōu)化，應(yīng)用改進(jìn)的模糊聚類算法，在圖像的色彩空間中對像素點(diǎn)進(jìn)行聚類，并輸出聚類中心，根據(jù)所述聚類中心，計(jì)算隸屬度矩陣，根據(jù)所述聚類中心、隸屬度矩陣對圖像的像素進(jìn)行劃分，從而實(shí)現(xiàn)圖像的分割；

步驟2：得到若干超分割區(qū)域，提取各區(qū)域中有關(guān)層次關(guān)系的局部特征，并用局部特征進(jìn)行前景-背景關(guān)系和同層合并關(guān)系的判斷；

步驟3：在判斷結(jié)果的基礎(chǔ)上建立一個(gè)全局能量函數(shù)，并用改進(jìn)的差分進(jìn)化算法求解該函數(shù)從而得到最終的層次關(guān)系；

步驟4：根據(jù)圖像的層次關(guān)系，編輯所有層次間的偏序關(guān)系，當(dāng)原有的偏序關(guān)系發(fā)生改變時(shí)，對原圖像中被遮擋的層次進(jìn)行輪廓填充和顏色填充。

步驟1中所述利用布谷鳥算法對模糊聚類算法的聚類中心進(jìn)行優(yōu)化，還包括如下步驟：步驟11：參數(shù)初始化，包括布谷鳥算法的規(guī)模Nmax，鳥巢中發(fā)現(xiàn)外來布谷鳥蛋的概率P，聚類中心的個(gè)數(shù)n，算法終止閥值G；步驟12：首先利用傳統(tǒng)的FCM隨機(jī)生成初始的聚類中心，作為鳥窩的初始位置；步驟13：利用布谷鳥算法優(yōu)化步驟12生成的聚類中心，通過不停迭代生成最終的聚類中心；步驟14：利用步驟13生成的最終聚類中心，計(jì)算FCM目標(biāo)函數(shù)；步驟15：若滿足給定的最大迭代次數(shù)G，算法結(jié)束，輸出最終分割圖片,否則轉(zhuǎn)至步驟12。

以上所述的僅是本發(fā)明的一些實(shí)施方式。對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明創(chuàng)造構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。