一种土壤CT图像孔隙提取方法和系统

一种土壤ct图像孔隙提取方法和系统
技术领域
1.本发明涉及土壤图像处理领域，尤其涉及一种土壤ct图像孔隙提取方法。


背景技术：

2.土壤孔隙定量化作为分析土壤结构稳定性和连通性的基本问题之一，为调节土壤的物理、化学和生物过程提供重要理论基础和技术支撑。土壤孔隙度定量化的主要目标是通过分析土壤孔隙数量、孔隙大小、孔隙形态及孔隙分布，以得出土壤孔隙结构的变化，进而对土壤管理措施进行调控。土壤孔隙定量化分析是一个非常复杂的分析问题，在近些年来，被研究用于计算土壤孔隙度的方法有很多，如土壤比重、水位法、干密度法、气体置换法等。虽然在一定程度上能够求得全局最优解，但是这些方法也存在明显的缺点：被研究的问题只能采用线性目标函数和约束条件来解决，但是对于土壤孔隙度定量化问题进行线性逼近操作将会导致最终的计算结果产生较大的误差。因此，上述方法并不适合于解决土壤孔隙度定量化问题。ct 技术和核磁共振成像（magnetic resonance imaging ，mri）技术的发展，直接实现了原状孔隙的3d可视化和定量化，使结果具有较高的鲁棒性。在孔隙研究中，ct技术是当前最广泛使用的方法，主要通过异位研究获取原状孔隙结构特征。采用ct扫描技术对土壤进行扫描，可以得到其真实的土壤原状结构，从而计算出土壤孔隙结构的相关参数，实现土壤孔隙的定理化分析。除图像本身的分辨率、对比度影响之外，分割方法的选择也直接关系到量化数据的准确性和有效性。由于土壤图像背景复杂，包含的噪声较多，量化孔隙结构之前需要先进行土壤孔隙的提取，即图像分割。
3.现有图像分割通常采用边缘检测方法进行图像分割，主要是通过检测图像中的边界信息来进行分割。常用的边缘检测算法包括canny边缘检测、sobel算子和laplacian算子等。这些方法可以通过检测图像灰度值的梯度变化来确定边缘位置。然而，在土壤图像中，边缘不一定清晰，且存在噪声和纹理变化等因素，导致边缘检测方法容易受到干扰，产生断裂和误检等问题。


技术实现要素：

4.本发明针对现有土壤孔隙提取容易受到噪声影响，导致土壤ct图像孔隙提取不准确的问题，提出了一种土壤ct图像孔隙提取方法，所述方案包括：一种土壤ct图像孔隙提取方法，所述方法包括：s1：建立基于多阈值土壤ct图像分割的数学模型，并根据所述数学模型进行图像分割，获取分割后的图像；s2：根据所述分割后的图像构建土壤ct图像分割初始阈值集；s3：根据自适应权重搜索策略对所述土壤ct图像分割初始阈值集进行更新，获取局部最优阈值集；s4：根据差分进化策略对全局进行搜索，并更新所述局部最优阈值集；s5：计算所述步骤s3和步骤s4中每个阈值的信息熵，保留所述信息熵排名靠前的n
个阈值的选择方案，作为t+1次迭代的阈值集；s6：迭代步骤s3至步骤s5，直到迭代次数大于或等于预设值为止，得到全局最优分割阈值集；s7：根据所述全局最优分割阈值集中最优阈值分割原始土壤ct图像，获取土壤孔隙。
5.进一步的，还提供一种优选方式，所述步骤s2中所述土壤ct图像分割初始阈值集包括：多组阈值选择方案，所述多组阈值选择方案包括不同的土壤图像阈值参数，所述土壤图像阈值参数由土壤ct扫描图像的灰度值参数构成。
6.进一步的，还提供一种优选方式，所述步骤s3包括：计算自适应权重搜索策略控制因子：计算震荡因子::::更新后的阈值集中的阈值选择方案：，其中，表示t次阈值搜索时候的第i个阈值选择方案，表示t次阈值搜索的当前局部最优方案，表示t次阈值搜索中的阈值集中的随机方案，t表示当前灰度值搜索次数的索引，t表示总迭代次数。是[0,1]之间的随机参数，为随机因子，表示自适应权重搜索策略控制因子，表示自适应权重搜索策略中的随机缩放因子，表示第i个阈值选择方案的信息熵，为当前最优信息熵，为最差信息熵，表示阈值集中信息熵的中值，为算法在当前局部最优方案附近进行随机搜索的搜索半径，b为算法在全局进行随机搜索的搜索半径。
[0007]
进一步的，还提供一种优选方式，所述步骤s4包括：对阈值集进行重新随机排列；将当前阈值选择方案所排位置腾空；随机产生缩放因子；在土壤ct图像的灰度空间随机采样，获取灰度值中间体；对所述灰度值中间体设置边界；随机选择待交换灰度值的维度；遍历阈值选择方案的每个维度，根据待交换维度和交叉概率的条件，更新新个体的阈值选择方案。
[0008]
进一步的，还提供一种优选方式，所述在土壤ct图像的灰度空间随机采样，获取灰度值中间体，包括：其中，为重新排列后的阈值集中排在1,2,3位置的阈值选择方案。
[0009]
进一步的，还提供一种优选方式，所述步骤s4中计算每个阈值的信息熵包括：进一步的，还提供一种优选方式，所述步骤s4中计算每个阈值的信息熵包括：
…
其中，、、为分割阈值参数；为土壤ct图像灰度级的概率分布；为第1个阈值区间对应的土壤图像信息熵，为第2个阈值区间对应的土壤图像信息熵，为第k个阈值区间对应的土壤图像信息熵，为第1个阈值区间的土壤灰度值累积分布函数，为第2个阈值区间的土壤灰度值累积分布函数，为第k个阈值区间的土壤灰度值累积分布函数，为土壤图像最大灰度级。
[0010]
进一步的，还提供一种优选方式，所述步骤s6包括：，其中，为最优阈值集，为阈值集中最大信息熵，为对土壤图像应用阈值集th时，第z个阈值区间对应的土壤图像信息熵。
[0011]
基于同一发明构思，本发明还提供一种土壤ct图像孔隙提取系统，所述系统包括：图像分割单元，用于建立基于多阈值土壤ct图像分割的数学模型，并根据所述数学模型进行图像分割，获取分割后的图像；初始阈值集构建单元，用于根据所述分割后的图像构建土壤ct图像分割初始阈值集；自适应权重搜索策略更新单元，用于根据自适应权重搜索策略对所述土壤ct图像分割初始阈值集进行更新，获取局部最优阈值集；差分进化策略搜索单元，用于根据差分进化策略对全局进行搜索，并更新所述局部最优阈值集；计算单元，用于计算所述自适应权重搜索策略更新单元和差分进化策略搜索单元中每个阈值的信息熵，保留所述信息熵排名靠前的n个阈值的选择方案，作为t+1次迭代的阈值集；迭代单元，用于迭代自适应权重搜索策略更新单元至计算单元，直到迭代次数大于或等于预设值为止，得到全局最优分割阈值集；土壤孔隙获取单元，用于根据所述全局最优分割阈值集中最优阈值分割原始土壤ct图像，获取土壤孔隙。
[0012]
基于同一发明构思，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质用于储存计算机程序，所述计算机程序执行上述任一项所述的一种土壤ct图像孔隙提取方法。
[0013]
基于同一发明构思，本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据上述中任一项中所述的一种土壤ct图像孔隙提取方法。
[0014]
本发明的有益之处在于：本发明解决现有土壤孔隙提取容易受到噪声影响，导致土壤ct图像孔隙提取不准确的问题。
[0015]
本发明所述的一种土壤ct图像孔隙提取方法，首先建立基于多阈值的数学模型，并根据该模型对土壤ct图像进行分割。多阈值分割能够将图像分割为多个不同的区域，其中包括土壤孔隙和其他土壤组织。通过使用多个阈值并结合像素灰度值的特点，可以更准确地划分出孔隙和非孔隙区域。本实施方式还使用自适应权重搜索策略对初始阈值集进行更新，该策略可以根据当前阈值集的效果动态地调整各个阈值的权重，更好地适应不同土壤图像的特点。通过自适应权重的调整，可以保持对孔隙和其他结构的有效分割，并尽量减少对土壤ct图像中其他重要信息的丢失。进一步的，使用差分进化策略对全局进行搜索，并更新局部最优阈值集。差分进化是一种优化算法，通过模拟进化过程进行全局搜索，以找到更好的阈值组合。这样可以进一步优化分割结果，提高对孔隙的准确提取，并保留原始图像中的重要信息。本实施方式还在每次迭代过程中计算每个阈值的信息熵，并选择信息熵排名靠前的n个阈值作为下一次迭代的阈值集。信息熵是对图像像素灰度值分布的度量，可以反映图像的复杂度和信息含量。保留信息熵排名靠前的阈值组合，可以确保分割结果既具有较高的准确性，又能够保留较多的原始图像信息。
[0016]
本发明应用于土壤调节领域。
附图说明
[0017]
图1为实施方式一所述的一种土壤ct图像孔隙提取方法的流程图；图2为实施方式十一所述的提取土壤ct图像孔隙问题的最优阈值选择方案流程图；图3为实施方式十一所述的输入的待分割的土壤ct图像；图4为实施方式十一所述的土壤ct图像经过多阈值分割后得到的图像；图5为实施方式十一所述的多阈值分割后对图像施用灰度阈值参数最小值得到的土壤孔隙图。
具体实施方式
[0018]
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。
[0019]
实施方式一、参加图1说明本实施方式。本实施方式所述的一种土壤ct图像孔隙提取方法，所述方法包括：
s1：建立基于多阈值土壤ct图像分割的数学模型，并根据所述数学模型进行图像分割，获取分割后的图像；s2：根据所述分割后的图像构建土壤ct图像分割初始阈值集；s3：根据自适应权重搜索策略对所述土壤ct图像分割初始阈值集进行更新，获取局部最优阈值集；s4：根据差分进化策略对全局进行搜索，并更新所述局部最优阈值集；s5：计算所述步骤s3和步骤s4中每个阈值的信息熵，保留所述信息熵排名靠前的n个阈值的选择方案，作为t+1次迭代的阈值集；s6：迭代步骤s3至步骤s5，直到迭代次数大于或等于预设值为止，得到全局最优分割阈值集；s7：根据所述全局最优分割阈值集中最优阈值分割原始土壤ct图像，获取土壤孔隙。
[0020]
本实施方式首先建立基于多阈值的数学模型，并根据该模型对土壤ct图像进行分割。多阈值分割能够将图像分割为多个不同的区域，其中包括土壤孔隙和其他土壤组织。通过使用多个阈值并结合像素灰度值的特点，可以更准确地划分出孔隙和非孔隙区域。本实施方式还使用自适应权重搜索策略对初始阈值集进行更新，该策略可以根据当前阈值集的效果动态地调整各个阈值的权重，更好地适应不同土壤图像的特点。通过自适应权重的调整，可以保持对孔隙和其他结构的有效分割，并尽量减少对土壤ct图像中其他重要信息的丢失。进一步的，使用差分进化策略对全局进行搜索，并更新局部最优阈值集。差分进化是一种优化算法，通过模拟进化过程进行全局搜索，以找到更好的阈值组合。这样可以进一步优化分割结果，提高对孔隙的准确提取，并保留原始图像中的重要信息。本实施方式还在每次迭代过程中计算每个阈值的信息熵，并选择信息熵排名靠前的n个阈值作为下一次迭代的阈值集。信息熵是对图像像素灰度值分布的度量，可以反映图像的复杂度和信息含量。保留信息熵排名靠前的阈值组合，可以确保分割结果既具有较高的准确性，又能够保留较多的原始图像信息。
[0021]
本实施方式通过多阈值分割、自适应权重搜索、差分进化和信息熵评价等策略的结合，可以提取土壤孔隙的同时较好地保留原始土壤ct图像所包含的信息量。这样可以在获得准确的孔隙结构的同时，提供对土壤ct图像更全面、详细的描述和分析。同时，采用多阈值分割方法，综合考虑了图像中不同像素灰度值的特点，可以更准确地将图像分割为不同的区域，从而提取土壤孔隙结构。
[0022]
本实施方式引入自适应权重搜索策略，可以根据当前阈值集的表现动态地进行更新。这样能够在分割过程中自动调整阈值集，提高分割效果，更好地适应不同土壤图像的特点和复杂性。通过差分进化策略对全局进行搜索，并更新局部最优阈值集。这种全局优化的策略能够更好地探索和利用图像中的信息，提高分割的整体准确性，并且有助于避免陷入局部最优的情况。使用迭代的方式进行阈值集的更新和优化，通过计算每个阈值的信息熵，选择排名靠前的阈值进行下一次迭代。这种自动化的迭代过程可以逐步优化阈值集，直到达到预设的迭代次数，得到全局最优的分割阈值集。在迭代过程中，方案采用信息熵作为评价指标，保留排名靠前的n个阈值的选择方案。这种择优选择的策略能够筛选出效果较好的阈值组合，提高分割结果的质量和可靠性。
[0023]
本实施方式所述的土壤ct图像分割方法提供了一种准确、自适应和全局优化的方法，以获得具有高度可视化和定量化能力的土壤孔隙结构。
[0024]
实施方式二、本实施方式是对实施方式一所述的一种土壤ct图像孔隙提取方法的进一步限定，所述步骤s2中所述土壤ct图像分割初始阈值集包括：多组阈值选择方案，所述多组阈值选择方案包括不同的土壤图像阈值参数，所述土壤图像阈值参数由土壤ct扫描图像的灰度值参数构成。
[0025]
本实施方式采用多组阈值选择方案有助于考虑不同土壤ct图像的特点和灰度值分布的多样性。由于土壤样本的性质和成分各不相同，使用单一的阈值无法适用于所有图像。因此，通过构建多组阈值选择方案，可以更好地适应各种土壤ct图像的特点，增强算法的鲁棒性和适应性。土壤ct扫描图像的灰度值参数是构成土壤图像的基本要素，也是进行图像分割的重要指标。这些灰度值参数反映了不同区域内像素的灰度特征，可以用于区分孔隙和非孔隙区域。通过使用土壤图像阈值参数，可以更精确地设置阈值，实现更准确和有效的分割结果。
[0026]
本实施方式通过使用多组阈值选择方案，可以根据不同图像的特点进行个性化的阈值选择，进而提高分割结果的准确性。不同土壤样本的ct图像存在差异，因此需要适应性较强的阈值选择方案来进行分割，从而更好地提取出孔隙区域和其他结构区域。
[0027]
在实际场景中，土壤ct图像中的灰度分布可以因土壤性质、含水量等因素而产生较大的变化。本实施方式通过构建多组阈值选择方案并考虑灰度值参数，可以充分考虑图像的灰度分布的多样性，使分割算法具备更好的适应性和可扩展性。
[0028]
在实际场景中，土壤ct图像的特点和质量可能受到多种因素的影响，如噪声、亮度不均匀等。通过使用多组阈值选择方案，可以在一定程度上提高算法的鲁棒性，使其对于图像质量变化具有一定的容错能力，确保分割结果的稳定性和可靠性。
[0029]
本实施方式使用多组阈值选择方案，并将土壤ct扫描图像的灰度值参数作为土壤图像阈值参数进行分割，旨在提高分割准确性、考虑图像灰度分布的多样性，并增强算法的鲁棒性。这样可以更好地适应不同土壤ct图像的特点，提取土壤孔隙并保留原始图像的信息。
[0030]
实施方式三、本实施方式是对实施方式二所述的一种土壤ct图像孔隙提取方法的进一步限定，所述步骤s3包括：计算自适应权重搜索策略控制因子：计算震荡因子::::更新后的阈值集中的阈值选择方案：
，其中，表示t次阈值搜索时候的第i个阈值选择方案，表示t次阈值搜索的当前局部最优方案，表示t次阈值搜索中的阈值集中的随机方案，t表示当前灰度值搜索次数的索引，t表示总迭代次数。是[0,1]之间的随机参数，为随机因子，表示自适应权重搜索策略控制因子，表示自适应权重搜索策略中的随机缩放因子，表示第i个阈值选择方案的信息熵，为当前最优信息熵，为最差信息熵，表示阈值集中信息熵的中值，为算法在当前局部最优方案附近进行随机搜索的搜索半径，b为算法在全局进行随机搜索的搜索半径。进一步的，a,b均随着迭代次数的增加，逐步递减为0。
[0031]
本实施方式采用自适应权重搜索策略对土壤ct图像灰度值参数进行全局搜索，以更新阈值集在土壤图像灰度级全空间中的位置，得到更新后的当前局部最优阈值集。
[0032]
本实施方式采用自适应权重搜索策略可以在土壤图像灰度级全空间中进行搜索，而不仅仅局限于某个特定范围。这样可以避免错过潜在的有效阈值参数，提高算法的全局搜索能力，使得分割结果更加准确和全面。自适应权重搜索策略根据当前搜索结果对搜索权重进行自适应的调整，从而能够更加有效地探索和利用搜索空间中的信息。通过计算控制因子，可以根据当前的搜索情况和结果动态地调整搜索权重，实现更准确和高效的参数搜索。计算震荡因子是为了避免搜索过程中产生过多的震荡或者陷入局部最优解。通过计算震荡因子，可以对搜索过程进行调控，平衡搜索的探索性和局部最优解的利用性，从而提高算法的鲁棒性和稳定性。通过全局搜索和自适应权重调整，得到更新后的当前局部最优阈值集。经过优化过程的阈值选择方案更能适应土壤ct图像的特点，提高分割的准确性和稳定性。更新后的阈值集能够更好地区分孔隙和非孔隙区域，提高土壤图像分割的质量和效果。
[0033]
本实施方式通过过采用自适应权重搜索策略，在整个土壤图像灰度级空间中进行搜索，能够更全面地探索潜在的有效阈值参数，提高算法的全局搜索能力，避免因搜索范围限制而错过重要的信息。自适应权重控制因子的计算可以根据当前搜索结果对搜索权重进行自适应调整。这样可以根据搜索的进展情况，动态地调节搜索的重点和范围，提高搜索效率和准确性。通过计算震荡因子，可以对搜索过程进行控制，避免过多的震荡或者陷入局部最优解的情况。这样可以提高算法的稳定性和鲁棒性，使得分割结果更加可靠和准确。通过全局搜索和自适应调节，获得了更新后的当前局部最优阈值集。这样可以得到更适应土壤ct图像特点的阈值选择方案，提高分割准确性和稳定性，从而更好地分割出土壤孔隙区域。
[0034]
本实施方式采用自适应权重搜索策略对土壤ct图像灰度值参数进行全局搜索，并通过计算控制因子和震荡因子进行调节，目的在于提高全局搜索能力、自适应调节搜索权重、避免震荡和陷入局部最优解以及获得更新后的阈值选择方案。这样可以更准确地分割土壤图像，提高分割的质量和效果。
[0035]
实施方式四、本实施方式是对实施方式二所述的一种土壤ct图像孔隙提取方法的进一步限定，所述步骤s4包括：对阈值集进行重新随机排列；将当前阈值选择方案所排位置腾空；
随机产生缩放因子；在土壤ct图像的灰度空间随机采样，获取灰度值中间体；对所述灰度值中间体设置边界；随机选择待交换灰度值的维度；遍历阈值选择方案的每个维度，根据待交换维度和交叉概率的条件，更新新个体的阈值选择方案。
[0036]
为了提高自适应权重搜索策略的性能，避免算法过早陷入局部最优解，本实施方式引入差分进化搜索策略。本实施方式将差分进化搜索有效地应用于土壤ct分割图像的问题中。
[0037]
具体的：对阈值集中阈值选择方案顺序重新随机排列。
[0038]
将当前阈值选择方案所排位置腾空（产生差分中间体时当前不参与）。
[0039]
随机产生缩放因子，用于调整灰度值中体的取值范围。通过引入缩放因子，可以使得灰度值中间体在一定范围内波动，增加搜索的多样性。
[0040]
在土壤图像灰度值空间中产生灰度值中间体，这个中间体为新的阈值选择方案。
[0041]
为了防止中间体超出土壤灰度值的边界，需要对中间体进行边界限制。如果中间体的取值超过了灰度值的边界，那么将其调整为边界值。
[0042]
产生一个随机数，即选取待交换灰度值维度的编号，用于确定哪个维度的灰值将被交换。
[0043]
遍历阈值选择方案每个维度，如果当前维度是待交换维度或者随机概率小于交叉概率，则新个体当前维度值等于分割阈值中间体对应维度的分割阈值，否则新阈值选择方案维度值等于当前个体对应分割阈值。
[0044]
本实施方式结合了差分进化策略的全局搜索能力，并通过更新阈值选择方案中的局部最优值，以期望达到更优的阈值选择方案，进而提高算法的效果和性能。差分进化策略通过多个个体的交叉与变异操作，使得新阈值选择方案的生成具有一定的随机性和多样性，从而有助于全局搜索和避免陷入局部最优解。
[0045]
本实施方式对阈值集进行重新随机排列和随机选择待交换灰度值的维度，以及在灰度空间随机采样，这些操作增加了算法的随机性和多样性。这样能够更全面地探索搜索空间，避免陷入局部最优解，提高全局搜索能力。对灰度值中间体设置边界，保证阈值选择方案在合理的范围内变动。这可以限制搜索过程中的过度变化，避免无效的搜索和结果的不稳定性，提高算法的鲁棒性。随机产生缩放因子，用于控制搜索步长。这样可以调节搜索过程中的探索广度和深度，平衡全局搜索和局部搜索，从而提高算法的搜索效率和结果的准确性。
[0046]
本实施方式通过将当前阈值选择方案所排位置腾空，并根据待交换维度和交叉概率的条件，遍历阈值选择方案的每个维度，更新新个体的阈值选择方案。这一操作的目的是通过交换和更新阈值选择方案的各个维度，从而得到新的个体，进一步优化阈值选择方案，使其更适应土壤ct图像的灰度特征，提高分割的准确性。通过对阈值集进行重新随机排列、随机选择待交换灰度值的维度以及在灰度空间随机采样，目的是增加算法的多样性和随机性。这样能够更全面地探索搜索空间，避免陷入局部最优解，提高算法的全局搜索能力。通过随机产生缩放因子，可以控制搜索步长的大小。这样可以调节搜索过程中的探索广度和
深度，平衡全局搜索和局部搜索，从而提高算法的搜索效率和结果的准确性。
[0047]
本实施方式增加了多样性和随机性、边界设置以及控制搜索步长；其目的是更新阈值选择方案，提高分割准确性，并通过随机性和多样性来增加全局搜索能力。这些操作能够优化阈值选择方案，使其更符合土壤ct图像的特点，提高分割结果的质量和稳定性。
[0048]
实施方式五、本实施方式是对实施方式四所述的一种土壤ct图像孔隙提取方法的进一步限定，所述在土壤ct图像的灰度空间随机采样，获取灰度值中间体，包括：其中，为重新排列后的阈值集中排在1,2,3位置的阈值选择方案。
[0049]
本实施方式通过在灰度值空间中进行随机采样，可以生成不同的中间体，从而产生多样化的阈值选择方案。该过程的数学模型为：其中，为重新排列后的阈值集中排在1,2,3位置的阈值选择方案。
[0050]
本实施方式通过在灰度值空间随机采样，可以获取不同的灰度值中间体。这样产生的多样化中间体可以在搜索过程中引入更多的差异性，增加了算法的多样性和随机性。这有助于避免陷入局部最优解，提高算法的全局搜索能力。灰度值中间体的生成通过随机采样实现，在灰度空间上均匀地进行采样，将涵盖整个灰度范围。这样的操作可以使得阈值选择方案能够探索更广阔的搜索空间，发现更多的可能性，提高算法的搜索效果。
[0051]
本实施方式生成多样化的灰度值中间体是为了产生多样化的阈值选择方案。多样性的阈值选择方案有助于从不同角度对图像进行分割，捕捉到不同的特征和信息。通过引入多样性，可以提高分割的鲁棒性，减少结果的偏差，从而得到更准确的土壤ct图像分割结果。通过在灰度值空间进行随机采样并生成不同的中间体，目的是在阈值选择方案的搜索过程中引入更多的随机性。这可以帮助算法跳出局部最优解，探索更广阔的搜索空间，提高算法的全局搜索能力。通过全局搜索，有助于找到更优的阈值选择方案，并提高分割结果的质量。
[0052]
实施方式六、本实施方式是对实施方式二所述的一种土壤ct图像孔隙提取方法的进一步限定，所述步骤s5中计算每个阈值的信息熵包括：进一步限定，所述步骤s5中计算每个阈值的信息熵包括：
…
其中，、、为分割阈值参数；为土壤ct图像灰度级的概率分布；为第1个阈值区间对应的土壤图像信息熵，为第2个阈值区间对应的土壤图像信息熵，为第k个阈值区间对应的土壤图像信息熵，为第1个阈值区间的土壤灰度值累积分布函数，为第2个阈值区间的土壤灰度值累积分布函数，为第k个阈值区
间的土壤灰度值累积分布函数，为土壤图像最大灰度级。
[0053]
每个类别的土壤ct图像灰度值累积分布函数定义为每个类别的土壤ct图像灰度值累积分布函数定义为
…
实施方式七、本实施方式是对实施方式二所述的一种土壤ct图像孔隙提取方法的进一步限定，所述步骤s6包括：，其中，为最优阈值集，为阈值集中最大信息熵，为对土壤图像应用阈值集th时，第z个阈值区间对应的土壤图像信息熵。
[0054]
实施方式八、本实施方式所述的一种土壤ct图像孔隙提取系统，所述系统包括：图像分割单元，用于建立基于多阈值土壤ct图像分割的数学模型，并根据所述数学模型进行图像分割，获取分割后的图像；初始阈值集构建单元，用于根据所述分割后的图像构建土壤ct图像分割初始阈值集；自适应权重搜索策略更新单元，用于根据自适应权重搜索策略对所述土壤ct图像分割初始阈值集进行更新，获取局部最优阈值集；差分进化策略搜索单元，用于根据差分进化策略对全局进行搜索，并更新所述局部最优阈值集；计算单元，用于计算所述自适应权重搜索策略更新单元和差分进化策略搜索单元中每个阈值的信息熵，保留所述信息熵排名靠前的n个阈值的选择方案，作为t+1次迭代的阈值集；迭代单元，用于迭代自适应权重搜索策略更新单元至计算单元，直到迭代次数大于或等于预设值为止，得到全局最优分割阈值集；土壤孔隙获取单元，用于根据所述全局最优分割阈值集中最优阈值分割原始土壤ct图像，获取土壤孔隙。
[0055]
实施方式九、本实施方式所述的一种计算机可读存储介质，所述计算机可读存储介质用于储存计算机程序，所述计算机程序执行实施方式一至实施方式七任一项所述的一种土壤ct图像孔隙提取方法。
[0056]
实施方式十、本实施方式所述的一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据实施方式一在实施方式七中任一项中所述的一种土壤ct图像孔隙提取方法。
[0057]
实施方式十一、参见图2至图5说明本实施方式。本实施方式是对实施方式一所述
的一种土壤ct图像孔隙提取方法提供一具体实施例，同时也用于解释实施方式二至实施方式七，具体的：本发明提供一种土壤ct图像孔隙提取的方法，该方法在提取土壤孔隙的同时，能够较好的保留原始土壤ct图像所含有的信息量，具体的建立多阈值土壤ct图像分割的数学模型，以分割后图像的信息熵最大为控制目标建立最优分割阈值选择的目标函数；实验过程中，设土壤ct图像 i 具有l个灰度级参数，分割阈值参数=可将土壤ct图像i分割为个类别，表示为，。对于8位的土壤ct图像，土壤灰度级，故取值范围为 [0,255]。 因此，若，则表明灰度级中的像素属于类别。
[0058]
以分割后图像的信息熵最大为控制目标建立最优图像分割的目标函数；土壤ct图像信息熵最大化的多阈值图像分割目标是寻找最优阈值集，使该阈值集信息熵达到最大，表示为令为给定土壤ct图像灰度像素的灰度级，则。为土壤ct图像i的总像素个数，为土壤ct图像灰度直方图，为土壤ct图像灰度级为的像素数，为土壤ct图像灰度级的概率分布，则的概率分布，则每个土壤ct图像阈值对应的图像信息熵值为每个土壤ct图像阈值对应的图像信息熵值为
…
每个类别的土壤ct图像灰度值累积分布函数定义为每个类别的土壤ct图像灰度值累积分布函数定义为
…
构建初始阈值集，初始阈值集中包括多组阈值选择方案，每组阈值选择方案由多个不同的土壤图像阈值参数构成，每个土壤图像阈值参数由土壤ct扫描图像的灰度值参数构成，基于约束条件初始化土壤ct图像分割阈值集，并对后续更新阈值集时要用到的参数进行初始化，具体为：s2.1：参数初始化，确定本发明提出的方法中的最大迭代次数，阈值集中阈值选择方案的数量，其中阈值集中阈值方案的数量应适当选择，以便随机初始化能覆盖整个搜索空间，因此在研究中设置为40。基于约束条件确定每个多维土壤图像阈值参数的上界以及下界，每个阈值选择方案由一个维的向量构成。初始化自适应权重搜索策略的全局参量，差分搜索策略中缩放因子的上下界和交叉概率。并计算每个阈值选择方案的信息熵。
[0059]
s2.2：构建初始阈值集，初始阈值集中包括多组阈值选择方案，每组阈值选择方案由多个不同的土壤图像阈值参数构成，每个土壤图像阈值参数由土壤ct扫描图像的灰度值参数构成，基于约束条件初始化土壤ct图像分割阈值集，并对后续更新阈值集时要用到的参数进行初始化。对阈值集x中的阈值选择方案在上下界内进行随机初始化，初始化公式如下：其中，为第个阈值选择方案的第j维阈值，为第个第维的土壤图像阈值的下界，为第个第维的土壤图像阈值的上界，为大于等于0及小于1的均匀分布土壤ct图像灰度阈值随机缩放因子，n为阈值选择方案的数量，d为分割图像的总类别数。
[0060]
（3）利用自适应权重搜索策略对土壤ct图像分割阈值集进行更新，搜索当前阈值集中信息熵最大阈值附近的阈值参数，同时对阈值参数进行全局搜索，以更新分割阈值集在整体阈值参数解空间中的位置得到更新后的阈值集，对更新后的阈值集执行边界替换策略得到当前局部最优阈值集，具体如图2所示：s3.1：采用自适应权重搜索策略对土壤ct图像灰度值参数进行全局搜索，以更新阈值集在土壤图像灰度级全空间中的位置，得到更新后的当前局部最优阈值集。
[0061]
根据公式（1）计算自适应权重搜索策略控制因子:(1)根据公式（2）至（5）计算震荡因子:(2)(3)(4)(5)根据公式（6）更新后的阈值集中的阈值选择方案：
(6)其中，表示t次阈值搜索时候的第i个阈值选择方案，表示t次阈值搜索的当前局部最优方案，表示t次阈值搜索中的阈值集中的随机方案，t表示当前灰度值搜索次数的索引，t表示总迭代次数。是[0,1]之间的随机参数，为随机因子，表示自适应权重搜索策略控制因子，表示自适应权重搜索策略中的随机缩放因子，表示第i个阈值选择方案的信息熵，表示当前最优信息熵和最差信息熵，表示阈值集中信息熵的中值。
[0062]
s3.2计算更新后阈值集中的各个阈值选择方案的信息熵值，并将当前信息熵值最小的阈值选择方案位置设置为最优阈值选择方案。采用边界替换策略对更新后的灰度阈值进行逐一判断，对阈值选择方案中超出边界的阈值灰度级进行标记，然后将被标记的灰度级替换为当前信息熵最大的阈值选择方案。
[0063]
利用差分进化策略对全局进行搜索，更新土壤ct图像分割阈值集得到当前局部最优阈值集，分别计算通过自适应权重搜索策略和差分进化搜索策略得到的每个阈值选择方案的信息熵值，竞争性的保留信息熵排名靠前的阈值选择方案，迭代步骤（3）和（4）直到迭代次数大于或等于预设值为止，停止择优选择得到全局最优分割阈值集；对阈值集执行差分进化搜索策略得到当前局部最优阈值集，对阈值集中的每个方案执行以下步骤：对阈值集中阈值选择方案顺序重新随机排列。
[0064]
将当前阈值选择方案所排位置腾空（产生差分中间体时当前不参与）。
[0065]
随机产生缩放因子，用于调整灰度值中体的取值范围。通过引入缩放因子，可以使得灰度值中间体在一定范围内波动，增加搜索的多样性。
[0066]
在土壤图像灰度值空间中产生灰度值中间体，这个中间体为新的阈值选择方案。通过在灰度值空间中进行随机采样，可以生成不同的中间体，从而产生多样化的阈值选择方案。该过程的数学模型为：(7)其中，为重新排列后的阈值集中排在1,2,3位置的阈值选择方案。
[0067]
为了防止中间体超出土壤灰度值的边界，需要对中间体进行边界限制。如果中间体的取值超过了灰度值的边界，那么将其调整为边界值。
[0068]
产生一个随机数，即选取待交换灰度值维度的编号，用于确定哪个维度的灰值将被交换。
[0069]
遍历阈值选择方案每个维度，如果当前维度是待交换维度或者随机概率小于交叉概率，则新个体当前维度值等于分割阈值中间体对应维度的分割阈值，否则新阈值选择方案维度值等于当前个体对应分割阈值。
[0070]
判断更新后的阈值选择方案的信息熵是否优于更新前的阈值选择方案，用于选择信息熵值更好的阈值选择方案作为下一次迭代时使用的阈值选择方案。如果更新后的阈值选择方案的信息熵更优，则将新的阈值选择方案设置为灰度值中间体；否则，
将新的阈值选择方案设置为当前阈值选择方案。
[0071]
采用土壤ct分割图像的信息熵作为目标函数，分别计算通过自适应权重搜索策略和差分进化搜索策略得到的每个阈值选择方案的信息熵值，竞争性的保留信息熵排名靠前的n个阈值选择方案，以此作为t+1次迭代的阈值集。
[0072]
未达到迭代次数预设值，则继续迭代步骤（3）和（4），直到达到预设值则停止择优选择得到全局最优分割阈值集。
[0073]
全局最优分割阈值集中的土壤图像阈值参数最小值即为孔隙分割过程中的最优阈值，将该阈值应用于原始土壤ct图像，可以在最大化保留原始土壤ct图像信息量的同时，对土壤的孔隙进行提取。
[0074]
如图3、4和5所示为应用本发明提供的土壤ct图像孔隙提取方法处理图像的效果图。其中，图3表示输入的待分割的土壤ct图像，图4表示土壤ct图像经过多阈值分割后得到的图像；图5为多阈值分割后对图像施用灰度阈值参数最小值得到的土壤孔隙图。由图3至图5可知，土壤ct图像经多阈值图像分割后，图像仍能较好的保留原始土壤ct图像的信息，在此基础上通过对土壤ct图像使用灰度阈值参数最小值得到的土壤孔隙，能够较好的还原原始土壤ct图像中的孔隙结构。
[0075]
本实施方式提出了一种基于自适应权重搜索策略、差分进化搜索策略和边界替换策略的土壤ct图像阈值分割算法，其中差分进化搜索策略鼓励阈值选择方案之间的信息交流，丰富了阈值集中阈值选择方案多样性，同时提高了对阈值参数解空间的搜索程度；自适应权重搜索策略和边界替换策略，则使得算法能够更快的收敛，为算法整体提供更优的阈值选择方案，不仅提高了算法的稳定性，还提高了解决土壤ct图像孔隙提取问题的能力。
[0076]
尽管已描述了本公开的优选实施方式，但本领域内的技术人员一旦得知了基本创造性概念， 则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施方式以及落入本公开范围的所有变更和修改。显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。本领域内的技术人员应明白，本公开的实施例可提供为方法、系统或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。本公开是参照根据本公开实施例的方法、设备（系统）和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制
造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。最后应当说明的是：以上实施例仅用于说明本公开的技术方案而非对其保护范围的限制，尽管参照上述实施例对本公开进行了详细的说明，所属领域的普通技术人员应当理解：本领域技术人员阅读本公开后依然可对发明的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在公开待批的权利要求保护范围之内。

技术特征：
1.一种土壤ct图像孔隙提取方法，其特征在于，所述方法包括：s1：建立基于多阈值土壤ct图像分割的数学模型，并根据所述数学模型进行图像分割，获取分割后的图像；s2：根据所述分割后的图像构建土壤ct图像分割初始阈值集；s3：根据自适应权重搜索策略对所述土壤ct图像分割初始阈值集进行更新，获取局部最优阈值集；s4：根据差分进化策略对全局进行搜索，并更新所述局部最优阈值集；s5：计算所述步骤s3和步骤s4中每个阈值的信息熵，保留所述信息熵排名靠前的n个阈值的选择方案，作为t+1次迭代的阈值集；s6：迭代步骤s3至步骤s5，直到迭代次数大于或等于预设值为止，得到全局最优分割阈值集；s7：根据所述全局最优分割阈值集中最优阈值分割原始土壤ct图像，获取土壤孔隙。2.根据权利要求1所述的一种土壤ct图像孔隙提取方法，其特征在于，所述步骤s2中所述土壤ct图像分割初始阈值集包括：多组阈值选择方案，所述多组阈值选择方案包括不同的土壤图像阈值参数，所述土壤图像阈值参数由土壤ct扫描图像的灰度值参数构成。3.根据权利要求2所述的一种土壤ct图像孔隙提取方法，其特征在于，所述步骤s3包括：计算自适应权重搜索策略控制因子：计算震荡因子::::更新后的阈值集中的阈值选择方案：，其中，表示t次阈值搜索时候的第i个阈值选择方案，表示t次阈值搜索的当前局部最优方案，表示t次阈值搜索中的阈值集中的随机方案，t表示当前灰度值搜索次数的索引，t表示总迭代次数，是[0,1]之间的随机参数，为随机因子，表示自适应权
重搜索策略控制因子，表示自适应权重搜索策略中的随机缩放因子，表示第i个阈值选择方案的信息熵，为当前最优信息熵，为最差信息熵，表示阈值集中信息熵的中值，为算法在当前局部最优方案附近进行随机搜索的搜索半径，b为算法在全局进行随机搜索的搜索半径。4.根据权利要求2所述的一种土壤ct图像孔隙提取方法，其特征在于，所述步骤s4包括：对阈值集进行重新随机排列；将当前阈值选择方案所排位置腾空；随机产生缩放因子；在土壤ct图像的灰度空间随机采样，获取灰度值中间体；对所述灰度值中间体设置边界；随机选择待交换灰度值的维度；遍历阈值选择方案的每个维度，根据待交换维度和交叉概率的条件，更新新个体的阈值选择方案。5.根据权利要求4所述的一种土壤ct图像孔隙提取方法，其特征在于，所述在土壤ct图像的灰度空间随机采样，获取灰度值中间体，包括：其中，为重新排列后的阈值集中排在1,2,3位置的阈值选择方案。6.根据权利要求2所述的一种土壤ct图像孔隙提取方法，其特征在于，所述步骤s5中计算每个阈值的信息熵包括：算每个阈值的信息熵包括：
…
其中，、、为分割阈值参数； 为土壤ct图像灰度级的概率分布；为第1个阈值区间对应的土壤图像信息熵，为第2个阈值区间对应的土壤图像信息熵，为第k个阈值区间对应的土壤图像信息熵，为第1个阈值区间的土壤灰度值累积分布函数，为第2个阈值区间的土壤灰度值累积分布函数，为第k个阈值区间的土壤灰度值累积分布函数，为土壤图像最大灰度级。
7.根据权利要求2所述的一种土壤ct图像孔隙提取方法，其特征在于，所述步骤s6包括：，其中，为最优阈值集，为阈值集中最大信息熵，为对土壤图像应用阈值集th时，第z个阈值区间对应的土壤图像信息熵。8.一种土壤ct图像孔隙提取系统，其特征在于，所述系统包括：图像分割单元，用于建立基于多阈值土壤ct图像分割的数学模型，并根据所述数学模型进行图像分割，获取分割后的图像；初始阈值集构建单元，用于根据所述分割后的图像构建土壤ct图像分割初始阈值集；自适应权重搜索策略更新单元，用于根据自适应权重搜索策略对所述土壤ct图像分割初始阈值集进行更新，获取局部最优阈值集；差分进化策略搜索单元，用于根据差分进化策略对全局进行搜索，并更新所述局部最优阈值集；计算单元，用于计算所述自适应权重搜索策略更新单元和差分进化策略搜索单元中每个阈值的信息熵，保留所述信息熵排名靠前的n个阈值的选择方案，作为t+1次迭代的阈值集；迭代单元，用于迭代自适应权重搜索策略更新单元至计算单元，直到迭代次数大于或等于预设值为止，得到全局最优分割阈值集；土壤孔隙获取单元，用于根据所述全局最优分割阈值集中最优阈值分割原始土壤ct图像，获取土壤孔隙。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于储存计算机程序，所述计算机程序执行权利要求1-7任一项所述的一种土壤ct图像孔隙提取方法。10.一种计算机设备，其特征在于：包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据权利要求1-7中任一项中所述的一种土壤ct图像孔隙提取方法。

技术总结
一种土壤CT图像孔隙提取方法和系统，涉及土壤图像处理领域。解决现有土壤孔隙提取容易受到噪声影响，导致土壤CT图像孔隙提取不准确的问题。所述方法包括：建立基于多阈值土壤CT图像分割的数学模型，并进行图像分割，获取分割后的图像；构建土壤CT图像分割初始阈值集；根据自适应权重搜索策略对土壤CT图像分割初始阈值集进行更新，获取局部最优阈值集；根据差分进化策略对全局进行搜索，并更新局部最优阈值集；计算每个阈值的信息熵；迭代更新，迭代次数大于或等于预设值为止，得到全局最优分割阈值集；根据全局最优分割阈值集中最优阈值分割原始土壤CT图像，获取土壤孔隙。本发明应用于土壤调节领域。于土壤调节领域。于土壤调节领域。


技术研发人员：郭宏亮 李名洋 刘瀚渤 于合龙 高连兴 陈霄 赵春莉 周旭丹 程志强 温长吉 李卓识 任艳娇
受保护的技术使用者：吉林农业大学
技术研发日：2023.09.11
技术公布日：2023/10/19