买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东师范大学申请的专利一种多级阈值图像分割方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117058169B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311007599.7，技术领域涉及：G06T7/11；该发明授权一种多级阈值图像分割方法及系统是由张庆科;高昊设计研发完成，并于2023-08-10向国家知识产权局提交的专利申请。

本一种多级阈值图像分割方法及系统在说明书摘要公布了：本发明公开了一种多级阈值图像分割方法及系统，属于图像处理技术领域。包括获取待分割图像并分析，获取每个待分割图像对应的像素数据；将待分割图像以及对应的像素数据输入预设的四重参数自适应成长优化器进行处理，以获取最优阈值序列；根据最优阈值序列，对待分割图像进行分割并输出分割结果。能够避免传统算法过于依赖问题的梯度并降低算法很快陷入局部最优的风险，充分利用当前的已知信息，通过其自适应的搜索能力来降低不利信息对算法收敛的绝对性影响，解决图像分割问题时自适应性差、易陷入局部最优、搜索停滞、探索与开发能力不平衡、综合搜索性能差等缺陷。

本发明授权一种多级阈值图像分割方法及系统在权利要求书中公布了：1.一种多级阈值图像分割方法，其特征在于，包括： 获取待分割图像并分析，获取每个待分割图像对应的像素数据，像素数据为每个灰度级下的像素数占所有像素数的比例； 将待分割图像以及对应的像素数据输入预设的四重参数自适应成长优化器进行处理，以获取最优阈值序列； 根据最优阈值序列，对待分割图像进行分割并输出分割结果； 其中，所述四重参数自适应成长优化器基于自适应学习算子和反思算子更新个体； 所述将待分割图像以及对应的像素数据输入预设的四重参数自适应成长优化器进行处理包括： 步骤1、初始化四重参数自适应成长优化器的个体数目N和最大评价次数，根据个体数目N和最大评价次数初始化四重参数自适应成长优化器的种群； 步骤2、以划分后各图像熵值之和为目标函数，对个体进行质量评估； 步骤3、基于自适应学习算子自适应更新种群内个体，并对更新后的个体进行边界约束后，执行步骤2；评估完成后，执行步骤4； 自适应学习算子需要计算五种不同的进化信息，通过以下数学模型来描述运算过程； 其中，G apk为不同的进化信息，k=1,2,3,4,5，根据种群划分和适应度排序，最好个体X best的排名为1，较好个体X better的排名范围为[2,P 1]，普通个体X normal的排名为[P 1+1,N-P 1]，较差个体Xworse的排名为[N-P 1+1,N]，超参数P 1为一个随机整数，X L1、X L2、X L3、X L4分别为不同于i且各自互不相同的随机个体； 根据向量的一维映射法来对算子的参数LF进行自适应； 其中，D Gapk为G apk内两个向量的内积； 根据适应度差异方法来对算子的另一参数SF进行自适应； 引入詹森香农散度来对参数LF、SF进行平衡； 其中，d JS为LF和SF之间的距离，D JS为詹森香农散度，KL为库尔贝克-莱布勒散度,所述自适应学习算子为； 步骤4、基于个体选择机制保存更新成功后的个体，判断所有个体是否均已执行此步骤，若是，则执行步骤5，否则，执行步骤3； 步骤5、基于反思算子，协同更新个体，并对更新后的个体进行边界约束后，执行步骤2；评估完成后，执行步骤6； 所述协同更新个体表示为： 其中，ub为问题空间的上界，lb为问题空间的下界，i为个体编号，j为个体的维度编号，衰退因子AF为从0.01线性递减到0的值，R为前P 1个最好的个体之一,RM为不同于i和R的随机个体，P 3为满足均值为0.3 rand，标准差为0.01的高斯分布； 步骤6、基于个体选择机制保存更新成功后的个体，判断所有个体是否均已执行此步骤，若是，则执行步骤7，否则，执行步骤5； 步骤7、判断当前评价次数是否小于最大评价次数，若是，则执行步骤3，若否，结束循环，输出最优阈值序列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东师范大学，其通讯地址为：250014 山东省济南市历下区文化东路88号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。