[發明專利]基于免疫克隆選擇聚類的圖像分割方法

有效

• 申請號: 200810017834.8
• 申請日: 2008-03-28
• 公開（公告）號: CN101271572A
• 公開（公告）日: 2008-09-24
• 發明（設計）人: 焦李成;王爽;梁建華;侯彪;劉芳;公茂果;夏玉
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/12
• 代理公司: 陜西電子工業專利中心
• 代理人: 韋全生

技術領域

本發明屬于圖像處理技術領域，涉及該技術在圖像分割領域的應用，具體地說是一種基于免疫克隆選擇Immune?Clone?Selection，ICS聚類Clustering的圖像分割方法，即ICSC。該方法可用在圖像分割技術領域中。

背景技術

圖像分割是圖像處理過程中的一個重要步驟。圖像分割的任務是將輸入圖像分割為一些獨立的區域，使同一區域具有相同的屬性，而使不同的區域具有不同的屬性。對于圖像分割問題，研究者已經提出了很多方法，但是鑒于圖像種類多、數據量大、變化多端的特點，迄今為止還沒有一種圖像分割的方法適合于所有的情況。數據聚類作為一種圖像分割的手段，得到了廣泛的應用。

聚類是新興學科數據挖掘中的一個重要概念，它是按照一定的要求和規律對數據進行區分和分類的過程。FCM聚類是比較常用的一種聚類方法。雖然FCM聚類分割方法具有簡單快速的優點，但是有兩個主要的缺點限制著其性能：

其一是傳統的FCM聚類方法對于初始聚類中心和噪聲敏感而導致魯棒性較低。研究者將一些并行搜索方法引入聚類來解決這個問題，比如：日本的Yuukou?Horita等人將遺傳算法GA引入K均值聚類，參見Yuukou?Horita，Tadakuni?Murai?and?Makoto?Miyahara，《Region?Segmentation?using?K-mean?Clustering?and?Genetic?Algorithms》，IEEE?InternationalConference?on?Image?Processing，vol.3，Nov.1994P：1016-1020。在傳統聚類方法中，如果初始化的時候給定的是一個不恰當的初始聚類中心，就很有可能對聚類結果的準確性造成較大的影響。有時候，即使給定了一個合適的聚類中心，算法也不能保證收斂到最優解。然而，進化算法是一種并行的搜索技術，它可以在一次的運行過程中產生多個初始值和多個搜索結果，并且選擇最優的結果作為最終結果。進化算法恰好可以解決傳統聚類方法對初始聚類中心敏感的缺點，并且提高其收斂到全局最優解的概率。以前有關進化聚類的文獻應用的進化算法大部分都是經典遺傳算法。但是，進化算法發展迅速，到目前為止，已經有很多新的進化算法的性能超越了它。比如：量子進化算法、協同進化算法、免疫克隆選擇算法等等。本發明將免疫克隆選擇算法引入FCM方法中以達到更好的聚類性能，并針對圖像分割為其設計了一種新的變異算子。和經典的遺傳算法相比，免疫克隆選擇算法有著更好的局部搜索性能，而這可以在一定程度上防止算法陷入局部最優。

其二是傳統的FCM聚類方法沒有考慮像素之間的空間關系。它們將像素灰度之間的距離被作為唯一的度量標準，這將導致灰度信息相似而不屬于同一類的像素被聚集到同一類中。尤其是當圖像受到較為嚴重的噪聲干擾時，往往分割的結果就會比較差。對于這一缺點的改進，中國的Ming?Li和印度的Swagatam?Das等人分別將像素間的空間關系用于調整FCM的隸屬度函數，參見Ming?Li，Yun-song?Li，《Fuzzy-C-Means?Clustering?Based?On?TheGray?And?Spatial?Feature?For?Image?Segmentation》，2006?International?Conference?onComputational?Intelligence?and?Security，Volume?2，3-6Nov.2006，p1641-1646.以及SwagatamDas，Ajith?Abraham?and?Amit?Konar，《Spatial?Information?Based?Image?Segmentation?Using?aModified?Particle?Swarm?Optimization?Algorithm》，ISDA′06，2006。埃及的M.N.Ahmed等人將像素間的空間關系用于修改FCM的目標函數，參見M.N.Ahmed，S.M.Yamany，N.Mohamed，Farag，and?T.Moriarty，《A?modified?fuzzy?C-means?algorithm?for?bias?fieldestimation?and?segmentation?of?MRI?data》，IEEE?Trans.Med.Imaging，vol.21，Mar.2002.p193-199.

由于上述FCM聚類分割方法存在的缺點，所以不能得到廣泛的應用，因此，研究一種行之有效的圖像分割方法是本技術領域科技人員的當務之急。