專利名稱：基于稀疏遺傳聚類的圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及紋理圖像及SAR圖像分割的方法，可應(yīng)用于圖像的目標(biāo)檢測(cè)和目標(biāo)識(shí)別。
背景技術(shù)：
聚類是指在沒有任何關(guān)于樣本的先驗(yàn)知識(shí)情況下，利用數(shù)學(xué)的方法研究和處理特定對(duì)象的分類，把一個(gè)沒有類別標(biāo)記的樣本按照某種準(zhǔn)則劃分成若干個(gè)子集，使得相似的樣本盡可能被歸為ー類，而不相似的樣本盡量被劃分到不同的類別中。聚類分析是多元統(tǒng)計(jì)分析的ー種，也是非監(jiān)瞀模式識(shí)別的ー個(gè)重要分支?，F(xiàn)有的聚類算法大致可以分成基于劃分的聚類、基于層次的聚類、基于密度的聚類、基于網(wǎng)格的聚類、基于模型的聚類，以及與模糊理論、圖論、自然計(jì)算相關(guān)領(lǐng)域結(jié)合的聚類技木。圖像分割的目的在于將圖像劃分成互不交疊的若干個(gè)區(qū)域，要求每個(gè)區(qū)域的內(nèi)部具有一致的紋理，而不同區(qū)域之間的紋理不同。其過程就是給每個(gè)像素分配ー個(gè)標(biāo)號(hào)，該標(biāo)號(hào)反映像素在分割結(jié)果中所屬的類別，對(duì)于基于圖像特征的圖像分割方法，圖像分割的實(shí)質(zhì)是ー個(gè)按照像素屬性即灰度、紋理或顔色等信息進(jìn)行聚類的過程，因此可以利用聚類方法將圖像中一個(gè)或多個(gè)特征不連續(xù)的部分單獨(dú)劃分為ー個(gè)子區(qū)域，將原始信息轉(zhuǎn)化為更加緊湊的形式，使得更高層次的圖像分析和理解成為可能。針對(duì)傳統(tǒng)聚類技木本身存在的一些缺陷，近年來將智能信息處理技術(shù)結(jié)合聚類用于圖像分割成為ー個(gè)熱點(diǎn)研究方向，主要包括遺傳聚類、免疫克隆聚類、密母聚類等。在這類方法中，圖像分割被描述為ー個(gè)組合優(yōu)化問題，而這些智能信息處理技術(shù)作為一種優(yōu)化算法來尋找最優(yōu)的圖像分割結(jié)果。上述聚類技術(shù)雖然能夠克服傳統(tǒng)聚類技術(shù)的ー些缺點(diǎn)，例如對(duì)初始值敏感，導(dǎo)致分割結(jié)果不穩(wěn)定等，但是它們的啟發(fā)搜索信息不足，導(dǎo)致搜索速度慢，耗費(fèi)時(shí)間長(zhǎng)，這將極大地限制了這些方法在圖像分割領(lǐng)域的應(yīng)用。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)上述已有技術(shù)的不足，提出一種基于稀疏遺傳聚類的圖像分割方法，將遺傳算法與稀疏表示理論相結(jié)合，充分利用二者的優(yōu)點(diǎn)，降低時(shí)間復(fù)雜度，カロ快圖像分割速度，改善圖像分割效果。為實(shí)現(xiàn)上述目的，本發(fā)明包括以下步驟(I)對(duì)待分割的大小為256X256的圖像I進(jìn)行3層平穩(wěn)小波變換，圖像像素點(diǎn)總個(gè)數(shù)為z，對(duì)每個(gè)像素點(diǎn)提取出10維子帶能量特征，構(gòu)成大小為ZXlO的輸入數(shù)據(jù)樣本Y ;(2)對(duì)輸入數(shù)據(jù)樣本Y利用KSVD算法，求解下式min{ Y-DX |2}，
權(quán)利要求
1.一種基于稀疏遺傳聚類的圖像分割方法，包括以下步驟 (1)對(duì)待分割的大小為256X256的圖像I進(jìn)行3層平穩(wěn)小波變換，圖像像素點(diǎn)總個(gè)數(shù)為z，對(duì)每個(gè)像素點(diǎn)提取出10維子帶能量特征，構(gòu)成大小為ζΧΙΟ的輸入數(shù)據(jù)樣本Y ; (2)對(duì)輸入數(shù)據(jù)樣本Y利用KSVD算法，求解下式min{ IY-DX | |2}，滿足
2.根據(jù)權(quán)利要求1所述的基于稀疏遺傳聚類的圖像分割方法，其中步驟(5)所述的計(jì)算染色體種群A中的適應(yīng)度值f，按如下步驟進(jìn)行 (5a)定義染色體種群A中染色體的兩個(gè)基因&1和\之間的歐式距離函數(shù)disls=| B1-BsI I, l，s=l，...，m，根據(jù)基因點(diǎn)與各個(gè)聚類中心歐氏距離最小原則獲得各類的劃分集合 Ot, t=l,. . . , k ; (5b)對(duì)每個(gè)劃分集合Ot中的所有基因點(diǎn)求平均值，得到新的聚類中心為
3.根據(jù)權(quán)利要求1所述的基于稀疏遺傳聚類的圖像分割方法，其中步驟(6)所述的對(duì)染色體種群A進(jìn)行遺傳算子操作，按如下步驟進(jìn)行 (6a)交叉重組操作取染色體種群A中第I個(gè)序號(hào)為奇數(shù)的染色體定為父親染色體，隨機(jī)產(chǎn)生其它序號(hào)定為母親染色體，同時(shí)隨機(jī)產(chǎn)生一個(gè)O到I之間的數(shù)r，如果r小于交叉概率Pc=O. 9，則隨機(jī)確定一個(gè)交叉點(diǎn)，使父親染色體與母親染色體能在該交叉點(diǎn)后交叉重組，否則取下一個(gè)序號(hào)為奇數(shù)的染色體定為父親染色體，重新隨機(jī)產(chǎn)生其它序號(hào)定為母親染色體，繼續(xù)交叉重組操作，直至所有序號(hào)為奇數(shù)的染色體都確定過父親染色體后，交叉重組操作結(jié)束； (6b)高斯變異操作取經(jīng)交叉重組操作后的一個(gè)染色體，隨機(jī)確定w個(gè)變異位置并隨機(jī)產(chǎn)生一個(gè)O到I之間的數(shù)r，如果r小于交叉概率Pm = O. 1，則對(duì)染色體的變異位置處進(jìn)行高斯變異。
4.根據(jù)權(quán)利要求1所述的基于稀疏遺傳聚類的圖像分割方法，其中步驟(7)所述的計(jì)算染色體種群B中的適應(yīng)度值，按如下步驟進(jìn)行 (7a)定義染色體種群B中染色體的兩個(gè)基因卜和!^之間的歐式距離函數(shù)此;、=IlA-AlI，1，s=l,. . .，m，根據(jù)基因點(diǎn)與各個(gè)聚類中心歐氏距離最小原則獲得各類的劃分集合
5.根據(jù)權(quán)利要求1所述的基于稀疏遺傳聚類的圖像分割方法，其中所述的步驟(8)，如下步驟進(jìn)行 (Sa)通過精英策略找到染色體種群A的適應(yīng)度值f中適應(yīng)度值最大的所對(duì)應(yīng)的個(gè)體，并存放到種群C中； (Sb)通過聯(lián)賽機(jī)制從染色體種群B中隨機(jī)的取兩個(gè)染色體，比較它們的適應(yīng)度值，把適應(yīng)度值大的個(gè)體放在種群C中； (8c)重復(fù)步驟(8b)m-l次，此時(shí)種群C有m個(gè)個(gè)體； (Sd)用步驟(8a)和(Sc)得到的種群C替換染色體種群B中個(gè)體，得到更新的染色體種群B。
全文摘要
本發(fā)明公開了一種稀疏遺傳聚類的圖像分割方法，主要解決現(xiàn)有技術(shù)搜索最優(yōu)解速度慢，耗費(fèi)時(shí)間長(zhǎng)的問題。其實(shí)現(xiàn)步驟是1)對(duì)待分割的紋理圖像或雷達(dá)圖像提取特征向量；2)用KSVD算法對(duì)提取的特征向量進(jìn)行數(shù)據(jù)的稀疏表示；3)從稀疏表示后的數(shù)據(jù)中抽取樣本，進(jìn)行染色體種群的初始化并對(duì)其編碼；4)對(duì)染色體種群設(shè)計(jì)交叉操作，變異操作和選擇操作；5)計(jì)算染色體種群和經(jīng)遺傳算子操作后是染色體種群的適應(yīng)度值并進(jìn)行比較，選取適應(yīng)度值大的染色體構(gòu)成優(yōu)異的染色體種群；6)根據(jù)優(yōu)異的染色體種群中的最優(yōu)解輸出分割圖像結(jié)果。本發(fā)明相比現(xiàn)有技術(shù)具有搜索啟發(fā)信息好，時(shí)間復(fù)雜度低，圖像分割結(jié)果有明顯提高的優(yōu)點(diǎn)，可用于圖像的目標(biāo)檢測(cè)和目標(biāo)識(shí)別。
文檔編號(hào)G06T7/00GK103020979SQ20131000785
公開日2013年4月3日 申請(qǐng)日期2013年1月9日 優(yōu)先權(quán)日2013年1月9日
發(fā)明者緱水平, 焦李成, 徐聰, 馬晶晶, 馬文萍, 劉若辰, 公茂果 申請(qǐng)人:西安電子科技大學(xué)