[發明專利]基于遺傳粗糙集C均值聚類的圖像分割方法

有效

• 申請號: 201110326680.2
• 申請日: 2011-10-24
• 公開（公告）號: CN102426697A
• 公開（公告）日: 2012-04-25
• 發明（設計）人: 馬文萍;焦李成;葛小華;公茂果;馬晶晶
• 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
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

1.一種基于遺傳粗糙集C均值聚類的圖像分割方法，實現步驟如下：

(1)輸入一幅待分割圖像

(2)提取圖像紋理特征

2a)用小波分解方法提取待分割圖像所有像素的前10維特征；

2b)用灰度共生矩陣方法提取待分割圖像所有像素的后12維特征；

(3)產生聚類對象數據

3a)用分水嶺方法對圖像進行初分割，得到不同的圖像塊；

3b)對每一個圖像塊的所有像素點紋理特征向量取平均值，得到該塊的紋理特征向量；

3c)用線性方法對所有圖像塊的紋理特征向量歸一化，得到聚類對象數據；

(4)初始化種群

從聚類對象數據中隨機選擇l個數據作為初始聚類中心構建具有多樣性的聚類中心種群個體，在封閉區間[1，5]內隨機選擇數據構建與聚類中心種群對應的η種群的個體；

(5)更新隸屬度

5a)用模糊C均值FCM的方法更新模糊隸屬度；

5b)用加入權重系數的可能性C均值PCM方法更新可能性隸屬度，權重系數在區間(0，1)內；

(6)劃分聚類對象數據

在所有的類中選擇聚類對象數據總隸屬度最大值對應的類作為首選類，選擇聚類對象數據總隸屬度次大值對應的類作為次選類，如果最大值與次大值的差大于區間(0，1)內的閾值，則該聚類對象數據劃分到首選類的下近似區域，反之劃分到首選類和次選類的邊緣區域；

(7)更新種群

7a)用可能性C均值PCM的方法更新η種群；

7b)在(0，1)之間任選一個實數作為下近似區域系數，對下近似區域和邊緣區域加權平均，更新聚類中心種群；

(8)計算個體適應度值

按照下式計算種群中的個體適應度值：

eval＝1/J

其中，eval為個體適應度值，J是個體對應的目標函數值；

(9)進化種群

9a)用輪盤賭方法對種群進行選擇操作淘汰種群中適應度值低的個體；

9b)用單點交叉方法對種群進行交叉操作重組種群中的個體信息；

9c)用單點變異方法對種群進行變異操作提高種群的多樣性；

(10)如果進化種群的次數達到300次，則執行步驟(11)，否則執行步驟(5)；

(11)產生最優個體

在進化后的種群個體中，選擇適應度最大值對應的個體作為最優個體；

(12)標記

12a)在最優個體的總隸屬度中，選擇其最大值對應的類分配給每一個聚類對象數據；

12b)將分配后的類標號賦予聚類對象數據對應的像素；

(13)產生分割圖像

對標記后的每一個類標號，從閉區間[0，255]中任意選擇一個整數作為所標記像素的灰度值，得到分割結果。

2.根據權利要求1所述的基于遺傳粗糙集C均值聚類的圖像分割方法，其特征在于：步驟2a)所述小波分解方法采用了對圖像進行窗口大小為32×32的三層小波變換，得到由子帶系數所構成的小波特征，作為每個像素的前10維小波特征向量。