·372· 智能系统学报 第15卷 其中，I(i,)是大小为M×N的原图像；1(i,)是大 值总体比其他两种方法的值高，说明本文方法能 小为M×N的分割后的图像。 够更加精准地进行污油图像分割。同时，为了观 对4幅污油图像运用了以下几种算法进行分 察本文改进的萤火虫算法寻优效果，图4给出了 割处理，表1显示了其运算时间及PSNR值。 该算法每次迭代时最优的适应度函数曲线，发现 通过对数据的观察分析可知，虽然在时间上本文 该算法对4幅污油图片的寻优效果都较快，改进 的方法不比传统Renyi熵分割速度快，但是在优 的萤火虫算法能够快速的寻找到全局最优适应 化算法中比PSO算法时间快。本文方法的PSNR 度值。 0.95 0.085 0.90 0.080 0.85 0.075 0.070 兰0.80 写0.065 0.75 0.055 0.050 0.65 0.045 0.60 0.040 0.55 456 78910 0.035 2 34 567 8910 迭代次数 迭代次数 (a)Oil, (b)Oil, 0.80 0.55 0.50 0.15 0.45 0.70 0.40 0.65 0.60 月0.25 0.20 0.55 0.15 0.10 0.5012 345678910 0.05 2 345678910 迭代次数 迭代次数 (c)0l (d)Oil 图4适应度函数迭代优化学习曲线 Fig.4 The fitness function iteratively optimizes the learning curve 综上所述，基于改进萤火虫算法的二维Renyi 提高，即目标与背景区域差别较小的情况下能够 嫡分割方法较传统的优化算法时间快，能够实现 有效地进行阈值分割。实验结果表明本文算法可 对不同的污油图片有效的区域分割。 适用于复杂环境中的污油图像分割，能快速处理 不同大小、不同噪声等各种情形。 4结束语 参考文献： 本文提出一种改进萤火虫的二维Renyi嫡阈 值分割算法，该算法在基于二维Renyi熵分割算 [1]王翔宇，王跃，鲍蕊，等.基于巡检方案事件检出概率的 法的基础上增加了对变量《进行寻优算法，不仅 长距管线无人机总体设计[).航空学报，2016,37(1)： 193-206 改进优化传统的萤火虫算法，并且对萤火虫的初 始种群运用混沌进行初始化。针对实际工况下采 WANG Xiangyu,WANG Yue,BAO Rui,et al.Conceptu- al design for long-distance pipeline patrolling UVA based 集的污油图像进行准确地分割，无需调整算法的 on detection probability of patrolling scheme[J.Acta aero- 参数，也不需要判别图片的分割效果好坏，此算 nautica et astronautica sinica,2016,37(1):193-206 法尤其适用于分割实际环境中采集的复杂图像， [2]张彪，杜景涛，许海银.基于物联网技术的数字油田三维 能够准确、高效地完成污油区域分割。经过本文 管线智能巡检系统).智慧建筑与城市，2017(9)：50-53， 改进的算法，其运算时间及分割精度均有所提 ZHANG Biao,DU Jingtao,XU Haiyin.Intelligent patrol 高，优于PSO优化算法，分割图像的准确度大大 inspection system of digital oilfield based on IOT techno-I(i, j) M ×N ˆI(i, j) M ×N 其中， 是大小为 的原图像； 是大 小为 的分割后的图像。 对 4 幅污油图像运用了以下几种算法进行分 割处理，表 1 显示了其运算时间及 PSNR 值。 通过对数据的观察分析可知，虽然在时间上本文 的方法不比传统 Renyi 熵分割速度快，但是在优 化算法中比 PSO 算法时间快。本文方法的 PSNR 值总体比其他两种方法的值高，说明本文方法能 够更加精准地进行污油图像分割。同时，为了观 察本文改进的萤火虫算法寻优效果，图 4 给出了 该算法每次迭代时最优的适应度函数曲线，发现 该算法对 4 幅污油图片的寻优效果都较快，改进 的萤火虫算法能够快速的寻找到全局最优适应 度值。 0.551 0.60 0.65 0.70 0.75 0.80 0.85 0.90 0.95 2 3 4 5 6 7 8 9 10 0.501 0.55 0.60 0.65 0.70 0.75 0.80 2 3 4 5 6 7 8 9 10 0.0351 0.040 0.045 0.050 0.055 0.060 0.065 0.075 0.080 0.070 0.085 2 3 4 5 6 7 8 9 10 0.051 0.10 0.15 0.20 0.25 0.30 0.35 0.45 0.50 0.40 0.55 2 3 4 5 6 7 8 9 10 迭代次数 适应度值 迭代次数 适应度值 迭代次数 适应度值 迭代次数 适应度值 (a) Oil1 (b) Oil2 (c) Oil3 (d) Oil4 图 4 适应度函数迭代优化学习曲线 Fig. 4 The fitness function iteratively optimizes the learning curve 综上所述，基于改进萤火虫算法的二维 Renyi 熵分割方法较传统的优化算法时间快，能够实现 对不同的污油图片有效的区域分割。 4 结束语 本文提出一种改进萤火虫的二维 Renyi 熵阈 值分割算法，该算法在基于二维 Renyi 熵分割算 法的基础上增加了对变量 α 进行寻优算法，不仅 改进优化传统的萤火虫算法，并且对萤火虫的初 始种群运用混沌进行初始化。针对实际工况下采 集的污油图像进行准确地分割，无需调整算法的 参数，也不需要判别图片的分割效果好坏，此算 法尤其适用于分割实际环境中采集的复杂图像， 能够准确、高效地完成污油区域分割。经过本文 改进的算法，其运算时间及分割精度均有所提 高，优于 PSO 优化算法，分割图像的准确度大大 提高，即目标与背景区域差别较小的情况下能够 有效地进行阈值分割。实验结果表明本文算法可 适用于复杂环境中的污油图像分割，能快速处理 不同大小、不同噪声等各种情形。 参考文献： 王翔宇, 王跃, 鲍蕊, 等. 基于巡检方案事件检出概率的 长距管线无人机总体设计 [J]. 航空学报, 2016, 37(1): 193–206. WANG Xiangyu, WANG Yue, BAO Rui, et al. Conceptu￾al design for long-distance pipeline patrolling UVA based on detection probability of patrolling scheme[J]. Acta aero￾nautica et astronautica sinica, 2016, 37(1): 193–206. [1] 张彪, 杜景涛, 许海银. 基于物联网技术的数字油田三维 管线智能巡检系统 [J]. 智慧建筑与城市, 2017(9): 50–53. ZHANG Biao, DU Jingtao, XU Haiyin. Intelligent patrol inspection system of digital oilfield based on IOT techno- [2] ·372· 智 能 系 统 学 报 第 15 卷