摘 要：针对标准粒子群算法易陷入局部最优而导致图像分割效果欠佳的问题，采用一种与模拟退火算法相结合的混合粒子群算法来优化多阈值图像分割的阈值选取过程，将Otsu类间方差函数作为算法的适应度函数，并利用模拟退火算法“突跳”的特点有效避免陷入局部最优。实验结果表明：该算法可以有效地处理复杂植物冠层图像分割的问题，能够在保证运行效率的同时提高图像的分割精度。為提高植物生长状态评估的可靠性以及叶片信息的准确性提供理论基础，具有较强的工程实用性。
关键词：植物冠层图像;粒子群优化算法;模拟退火算法;多阈值图像分割;大津法
中图分类号：S432;TP391.41文献识别码：A文章编号：1006-8023（2019）01- 0047-06
Abstract： Aiming at the problem that the standard particle swarm algorithm is easy to fall into the local optimum which leads to poor image segmentation effect， a hybrid particle swarm optimization algorithm combined with simulated annealing algorithm is used to optimize the threshold selection process of multi-threshold image segmentation. The variance function between Otsu classes is used as the fitness function of the algorithm and simulated annealing algorithm is used to avoid jumping into local optimum. The experiment results show that the algorithm can effectively deal with the problem of complex plant canopy image segmentation， and can improve the image segmentation accuracy while guaranteeing the operation efficiency. It provides a theoretical basis for improving the reliability of plant growth condition evaluation and the accuracy of leaf information， with a strong engineering practicability
Keywords： Plant canopy image; particle swarm optimization algorithm; simulated annealing algorithm; multi threshold image segmentation; Otsu method
0 引言
植物的冠层作为植物最先接触到外界气体环境和光照的部位，其结构形态与植物的生长状况密切相关。通过对植物冠层图像分割并进行有效地提取，进而分析与测算出叶面积指数来反映植物对于光能利用状况、冠层结构变化以及物质能量交换情况等，这为增强群体生命力、预测作物产量提供了宝贵的信息[1-4]。因此为了提高对于植物生长状态评估的可靠性，降低由于图像分割技术不成熟导致测算误差的可能，植物冠层图像分割越来越受到人们的重视。
图像分割是图像处理和前期视觉中基本而关键的技术，其目的是把图像分成若干个特定的、具有独特性质的区域，并提出感兴趣目标。目前图像分割的主要方法包括基于区域的分割方法、基于边缘的分割方法、基于特定理论的分割方法以及基于阈值的分割方法等[5-8]。其中阈值法具有物理意义明确、效果明显和实时性好等特点，是图像分割中一类最早被研究和使用的方法。最大类间方差法（Otsu）便是其中经典的算法，其核心思想是利用阈值将灰度直方图分为两部分，使这两部分的类间方差最大的阈值即为最优分割阈值，但这仅仅适合于目标与背景分布较均匀的图像，因而一些学者利用迭代的方法将Otsu推广到了多阈值[9]。但是多阈值Otsu方法本质上就是一种穷举法，存在着运行时间与运行效率的问题。为此有学者提出将智能算法运用到图像分割中，利用粒子群优化（Particle Swarm Optimization， PSO）算法来搜索最优阈值[10-14]。其搜索速度快、效率高，已经得到广泛应用，但其对于离散的优化问题处理不佳，容易陷入局部最优，因此仍需要得到有效地改进。
为了解决PSO算法容易陷入局部最优的问题，在保证运行时间的同时提高图像分割质量，本文采用了一种与模拟退火算法结合的混合粒子群算法（Simulated Annealing Particle Swarm Optimization， SAPSO）对类间方差函数进行寻优。通过在植物冠层数字图像上进行实验，与传统Otsu算法和标准PSO算法进行对比，说明该方法不仅克服了多阈值Otsu方法计算量大、实时性差的缺点，而且有效地改善了标准PSO算法易陷入局部最优的问题，具有较高的鲁棒性，为进一步评估和测算植物生长状态奠定了良好的基础。
1 Otsu算法
Otsu算法（最大类间方差法）是由日本学者大津于1979年提出的一种对图像进行二值化的高效算法，其在多阈值图像分割领域的具体应用如下[15-16]。设阈值组合为（t1，t2，...，tK-1），此时将图像分成K个类别，类间方差表示为：