一种基于权重蜻蜓算法的比色传感器阵列优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110517326A(43)申请公布日2019.11.29(21)申请号201910676177.6(22)申请日2019.07.25(71)申请人江苏大学地址212013江苏省镇江市京口区学府路301号(72)发明人江辉许唯栋陈全胜(51)Int.Cl.G06T7/90(2017.01)G06T7/62(2017.01)G06T7/194(2017.01)G06T7/136(2017.01)G06T5/00(2006.01)G06N3/00(2006.01)G01N21/78(2006.01)权利要求书3页说明书7页附图1页(54)发明名称一种基于权重蜻蜓算法的比色传感器阵列优化方法(57)摘要本发明公开了一种基于权重蜻蜓算法的比色传感器阵列优化方法，包括以下步骤：对反应前后的图像进行预处理，并从预处理后的差值图像中提取每个色敏斑点的颜色特征值，假设初步制备的比色传感器阵列有p个色敏斑点，则获取的比色传感器阵列的颜色特征变量为3p个；然后设计改进权重蜻蜓算法，优化提取的3p个颜色特征变量，选择筛选变量累积频次超过运行次数1/3或1/2以上的变量作为特征分量，根据特征分量对应的色敏材料，制备性价比更高的比色传感器阵列，本发明基于传统的DA存在的不足，引入权重的概念，即根据个体性能的优劣赋予不同的权重进入下一轮的优化迭代，最终确定出最佳的变量组合。CN110517326ACN110517326A权利要求书1/3页1.一种基于权重蜻蜓算法的比色传感器阵列优化方法，其特征在于，包括以下步骤：对反应前后的图像进行预处理，并从预处理后的差值图像中提取每个色敏斑点的颜色特征值，假设初步制备的比色传感器阵列有p个色敏斑点，则获取的比色传感器阵列的颜色特征变量为3p个；然后设计改进权重蜻蜓算法，优化提取的3p个颜色特征变量，选择筛选变量累积频次超过运行次数1/3或1/2以上的变量作为特征分量，根据特征分量对应的色敏材料，制备比色传感器阵列。2.根据权利要求1所述的一种基于权重蜻蜓算法的比色传感器阵列优化方法，其特征在于，所述对反应前后的图像进行预处理中包括：步骤1.1，对采集到的图像用均值滤波法消除白噪声，设置均值滤波处理的模板大小为N×N，则二维均值滤波输出为：式中，(x,y)表示需要处理像素点的坐标，f(x，y)，g(x，y)分别代表为原始图像和处理后图像，W为二维模板，即每一个像素点的灰度值设置为该点邻域窗口内的所有像素点灰度值的中值；步骤1.2，利用阈值分割法将均值滤波去噪后图像中的每个像素点和设置的阈值T进行比较，将图像二值化，根据比较的结果把该像素划分为两类，即前景和背景，设图像中灰度为i的像素数为ni，灰度范围是[0,255]，则总的像素数为：各灰度值出现概率为：对于Pi，需满足把图中的像素用阈值T分为两类C0和C1，C0由灰度值在[0,T-1]的像素组成，C1由灰度值在[T,255]的像素组成。T为变量，则区域C0和C1的概率分别为：区域C0和C1的平均灰度分别为：式中，μ(T)是整幅图像的平均灰度：区域C0和C1的总方差为：让T在[0,255]范围内依次取值，使最大的T值便是最佳区域分割阈值。3.根据权利要求2所述的一种基于权重蜻蜓算法的比色传感器阵列优化方法，其特征在于，还包括对步骤1.2处理后的图像A使用形态学处理，构造半径为3的圆形结构元素U，对二值2CN110517326A权利要求书2/3页化后的图像进行一次开运算和闭运算4.根据权利要求2所述的一种基于权重蜻蜓算法的比色传感器阵列优化方法，其特征在于，还包括首先设置面积阈值为40，消除二值图像中面积过小，肯定不是填充区域的区域，识别出比色传感器阵列图像。然后，构造模板大小Disk＝31的圆形结构区域，此时圆形结构区域的中心为(Disk+1)/2，搜索比色传感器阵列图像，找出所有阵列点并对其进行裁剪。最后，计算出每个阵列点100个像素的R、G、B均值以及中心位置，求出反应前和反应后比色传感器图像中每个阵列点的均值、做差并标准化到0-255之间，最后生成差值图像。5.根据权利要求2所述的一种基于权重蜻蜓算法的比色传感器阵列优化方法，其特征在于，模板大小取3×3。6.根据权利要求1所述的一种基于权重蜻蜓算法的比色传感器阵列优化方法，其特征在于，改进权重蜻蜓算法的具体实现过程如下：假设实验获得样本个数为NS，每个样本的变量个数为3p，则原始样本空间数据维度为NS×3p；初始化蜻蜓算法参数设置，蜻蜓的个数为M，M＝10％×3p。随机初始化蜻蜓初始位置X、初始位置变化步长化△X，设置蜻蜓最大迭代次数T；对第一迭代初始化的M个变量进行个体评价，对M个选中的变量赋予相同的权值，利用选中的变量建立偏最小二乘