本發(fā)明屬于圖像處理和目標(biāo)檢測(cè)技術(shù)領(lǐng)域，具體涉及一種交通視頻圖像智能化分割方法。
背景技術(shù)：
近年來(lái)，目標(biāo)檢測(cè)成為科研和商業(yè)領(lǐng)域的研究熱點(diǎn)，如小目標(biāo)自動(dòng)跟蹤、車輛跟蹤、行人跟蹤、人臉檢測(cè)、文字檢測(cè)、飛機(jī)檢測(cè)等領(lǐng)域。閾值分割技術(shù)是目標(biāo)檢測(cè)系統(tǒng)中的一種重要技術(shù)，其基本原理是假設(shè)目標(biāo)的灰度和背景灰度不一致，通過(guò)合適的閾值分割，將目標(biāo)與背景分離，極大地降低了背景干擾，為后續(xù)的識(shí)別跟蹤提供了良好的圖像條件。此外，閾值分割技術(shù)還廣泛應(yīng)用于遙感圖像處理、目標(biāo)識(shí)別、文字圖像處理、醫(yī)學(xué)圖像處理、場(chǎng)景分析等許多領(lǐng)域。
1998年以來(lái)，人工神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)已經(jīng)引起了廣泛的關(guān)注，并且應(yīng)用于圖像分割。基于神經(jīng)網(wǎng)絡(luò)的分割方法的基本思想是通過(guò)訓(xùn)練多層感知機(jī)來(lái)得到線性決策函數(shù)，然后用決策函數(shù)對(duì)像素進(jìn)行分類來(lái)達(dá)到分割的目的。這種方法需要大量的訓(xùn)練數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)存在巨量的連接，容易引入空間信息，能較好地解決圖像中的噪聲和不均勻問(wèn)題。選擇何種網(wǎng)絡(luò)結(jié)構(gòu)是這種方法要解決的主要問(wèn)題。
對(duì)圖像分割智能化算法的研究已有幾十年的歷史，借助各種理論至今已提出了上千種各種類型的分割算法。盡管人們?cè)趫D像智能化分割方面做了許多研究工作。但由于尚無(wú)通用分割理論，因此現(xiàn)已提出的智能化分割算法大都是針對(duì)具體問(wèn)題的，并沒(méi)有一種適合于所有圖像的通用的智能化分割算法。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明提出了一種交通視頻圖像智能化分割方法，為實(shí)現(xiàn)上述目的，本發(fā)明技術(shù)方案為：
1)根據(jù)芯片采集得到的灰度圖像，對(duì)其進(jìn)行灰度初始化，計(jì)算得到圖像的像素點(diǎn)為N1，灰度值的范圍是{0,1，…，L-1}，設(shè)定圖像的閾值為x，接下來(lái)利用改進(jìn)的遺傳算法對(duì)圖像的閾值進(jìn)行最有設(shè)計(jì)。
2)根據(jù)閾值圖像分割理論，圖像分割閾值的一個(gè)判斷標(biāo)準(zhǔn)是其熵值的大小，當(dāng)熵值取最大值時(shí)，圖像的分割效果最好，圖像中的背景和目標(biāo)內(nèi)部灰度一致性較高，而鄰間則較差。
3)根據(jù)熵值構(gòu)造閾值圖分割代價(jià)函數(shù)。
4)構(gòu)建基于改進(jìn)遺傳算法的閾值圖像分割算法，首先，用反映復(fù)雜系統(tǒng)能量分布的冪次法則改造選擇算子；其次，設(shè)計(jì)具有自學(xué)習(xí)特性的環(huán)境-基因雙演化交叉算子；再次，采用反饋機(jī)理改進(jìn)更新策略，提出一種自適應(yīng)的更新策略算子；最后，提出基因漂流算子并用于進(jìn)化算法中；以上各算子在進(jìn)行進(jìn)化計(jì)算過(guò)程中相互平衡、相互制約，以提高算法的效率及防止早熟；
5)初始化：設(shè)定基于改進(jìn)遺傳算法的閾值圖像分割算法終止條件，設(shè)置算法運(yùn)行參數(shù)；
6)算法終止條件判斷：當(dāng)滿足終止條件就結(jié)束算法，執(zhí)行第8)步，否則，執(zhí)行第7)步；
7)采用基于改進(jìn)遺傳算法的閾值圖像分割算法對(duì)交通信號(hào)圖進(jìn)行分割，返回6)；
8)根據(jù)圖形分割結(jié)果，對(duì)車輛信息進(jìn)行識(shí)別。
進(jìn)一步的，第2)步構(gòu)建灰度圖的方法是，根據(jù)芯片采集得到的圖片，對(duì)其進(jìn)行細(xì)分以及灰度處理，并用N1表示分割圖片的像素點(diǎn)個(gè)數(shù)，而灰度值表示為{0,1，…，L-1}，得到分割圖像的灰度參數(shù)圖。
進(jìn)一步的，所述第4)步中，用反映復(fù)雜系統(tǒng)能量分布的冪次法則改造選擇算子是對(duì)父代的選擇采用冪次法，而對(duì)母代的選擇則采用順序選擇，并與環(huán)境-基因雙演化交叉算子、自適應(yīng)更新策略算子、基因漂流算子配合使用，防止算法出現(xiàn)早熟。
進(jìn)一步的，更新規(guī)模變量pr采用反饋修改方式，當(dāng)種群逐代進(jìn)化時(shí)則較多的個(gè)體采用“優(yōu)勝劣汰”更新策略，促使群體迅速收斂；但種群陷于局部最優(yōu)解，進(jìn)化趨勢(shì)不明顯時(shí)則采用“子代直接取代父代”的更新策略，為群體引入更多的基因模式。
進(jìn)一步的，采用基因漂流算子發(fā)生基因漂流事件的概率為pf，其采用了反饋控制技術(shù)。
進(jìn)一步的，所述第7)步中，采用基于復(fù)雜系統(tǒng)理論的進(jìn)化計(jì)算算法對(duì)圖像進(jìn)行分割是在圖分割代價(jià)函數(shù)的指導(dǎo)下，基于第5)步所述的初始化工作和第6)步所述的終止條件判斷，對(duì)第2)步構(gòu)建灰度圖進(jìn)行最優(yōu)化分割的過(guò)程，包括下述步驟：
(1)判斷是否需要進(jìn)行基因漂流操作，若不需要，轉(zhuǎn)至執(zhí)行第(4)步；
(2)使用第4)步所述的基因漂流算子，選擇優(yōu)勢(shì)基因位修改所有個(gè)體的等基因位；
(3)按照第3)步構(gòu)造的代價(jià)函數(shù)計(jì)算當(dāng)前所有個(gè)體的代價(jià)函數(shù)值；
(4)使用第4)步所述的冪次法則改造選擇算子從群體中選擇用于交配的父代個(gè)體；
(5)判斷是否需要進(jìn)行雜交操作，若不需要，轉(zhuǎn)至執(zhí)行第(7)步；
(6)使用第4)步所述的環(huán)境——基因交叉算子雜交父代個(gè)體以獲得子代個(gè)體；
(7)判斷是否需要進(jìn)行變異操作，若不需要，轉(zhuǎn)至執(zhí)行第(9)步；
(8)變異子代個(gè)體；
(9)按照第3)步構(gòu)造的代價(jià)函數(shù)計(jì)算子代個(gè)體的代價(jià)函數(shù)值；
(10)使用第4)步所述的自適應(yīng)更新策略更新群體。
進(jìn)一步的，利用第7)步所得的閾值對(duì)灰度圖進(jìn)行分割，在第8)步中根據(jù)所分割到的圖像，提取出目標(biāo)圖像，完成芯片的功能，之后對(duì)目標(biāo)圖像進(jìn)行信息識(shí)別，從而完成對(duì)采集信息的識(shí)別。
本發(fā)明的優(yōu)點(diǎn)在于：采用了改進(jìn)的遺傳算法對(duì)閾值進(jìn)行優(yōu)化計(jì)算，得到最佳閾值，從而根據(jù)最優(yōu)閾值進(jìn)行閾值法圖像分割，完成目標(biāo)圖像分割，有優(yōu)良的實(shí)用價(jià)值。
附圖說(shuō)明
圖1為本發(fā)明的流程圖。
具體實(shí)施方式
下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明的技術(shù)方案作詳細(xì)說(shuō)明：
1)構(gòu)造閾值圖分割代價(jià)函數(shù)：用反映復(fù)雜系統(tǒng)能量分布的冪次法則改造選擇算子；其次，設(shè)計(jì)具有自學(xué)習(xí)特性的環(huán)境-基因雙演化交叉算子；再次，采用反饋機(jī)理改進(jìn)更新策略，提出一種自適應(yīng)的更新策略算子；最后，提出基因漂流算子并用于進(jìn)化算法中；以上各算子在進(jìn)行進(jìn)化計(jì)算過(guò)程中相互平衡、相互制約，以提高算法的效率及防止早熟；
2)初始化：設(shè)定基于改進(jìn)遺傳算法的閾值圖像分割算法終止條件，設(shè)置算法運(yùn)行參數(shù)；
3)算法終止條件判斷：當(dāng)滿足終止條件就結(jié)束算法，執(zhí)行第5)步，否則，執(zhí)行第4)步；
4)采用基于改進(jìn)遺傳算法的閾值圖像分割算法對(duì)信號(hào)圖進(jìn)行分割，返回3)；
5)根據(jù)圖形分割結(jié)果，對(duì)信息進(jìn)行識(shí)別。
具體操作步驟如下所示：
(1)判斷是否需要進(jìn)行基因漂流操作，若不需要，轉(zhuǎn)至執(zhí)行第(4)步；
(2)使用第4)步所述的基因漂流算子，選擇優(yōu)勢(shì)基因位修改所有個(gè)體的等基因位；
(3)按照第3)步構(gòu)造的代價(jià)函數(shù)計(jì)算當(dāng)前所有個(gè)體的代價(jià)函數(shù)值；
(4)使用第4)步所述的冪次法則改造選擇算子從群體中選擇用于交配的父代個(gè)體；
(5)判斷是否需要進(jìn)行雜交操作，若不需要，轉(zhuǎn)至執(zhí)行第(7)步；
(6)使用第4)步所述的環(huán)境——基因交叉算子雜交父代個(gè)體以獲得子代個(gè)體；
(7)判斷是否需要進(jìn)行變異操作，若不需要，轉(zhuǎn)至執(zhí)行第(9)步；
(8)變異子代個(gè)體；
(9)按照第3)步構(gòu)造的代價(jià)函數(shù)計(jì)算子代個(gè)體的代價(jià)函數(shù)值；
(10)使用第4)步所述的自適應(yīng)更新策略更新群體。
利用第4)步所得的閾值對(duì)灰度圖進(jìn)行分割，在第5)步中根據(jù)所分割到的圖像，提取出目標(biāo)圖像，完成芯片的功能，之后對(duì)目標(biāo)圖像進(jìn)行信息識(shí)別，從而完成對(duì)采集信息的識(shí)別。
如圖1所示的，通過(guò)系統(tǒng)初始化，對(duì)系統(tǒng)中的參數(shù)進(jìn)行設(shè)定，如每秒采集圖象的幀數(shù)，圖象二值化的門限值(閾值)。視頻圖象按序列連續(xù)捕捉下來(lái)并數(shù)字化，存入內(nèi)存或幀緩存中將這些采集到的序列數(shù)字圖像進(jìn)行預(yù)處理(濾波除噪,圖象銳化,對(duì)比度增強(qiáng))對(duì)預(yù)處理后的圖像進(jìn)行圖象分割，并對(duì)分割后的目標(biāo)圖象進(jìn)行特征提取。