[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

技術領域

本發明屬于圖像處理技術領域，更進一步涉及圖像分割技術領域的一種基于遺傳粗糙集C均值的聚類分割方法(An?improved?generalized?fuzzy?c-means?clustering?algorithm?based?on?GA?and?rough?set)。本發明可用于對合成孔徑雷達SAR圖像和自然圖像的分割以達到目標識別的目的。

背景技術

將智能計算技術應用于圖像分割是近年來在圖像分割領域的一個熱門研究方向，主要包括神經網絡、遺傳算法、群智能算法以及人工免疫系統框架。從分割結果的角度看，圖像分割的過程就是給每個像素賦予一個標號，該標號反映像素在分割結果中所屬的類別。只要找到這些特征的標號，就能實現對像素的分類，從而得到圖像分割的結果。

目前，人們更多采用聚類的方法來進行圖像分割。用聚類方法分割圖像是用每個圖像像素的特征表示其像素，通過把該像素特征作為對象進行聚類的方法找到這些特征和其對應像素的標號，從而達到圖像分割的目的。

西安電子科技大學在其申請的專利“基于空間鄰域信息的FCM紋理圖像分割方法”(專利申請號201010522144.5，公開號CN101976438A)中公開了一種利用空間鄰域信息的FCM聚類分配像素標號的圖像分割方法。該方法能保證空間信息的完整性，減少雜點，但是該方法存在的不足是，分割結果依賴于隸屬度矩陣的初始化，對隸屬度的選擇敏感，容易陷入局部最優，導致該分割方法魯棒性不強，降低了多次分割運行的平均準確度。

西安電子科技大學在其申請的專利“基于多智能體遺傳聚類算法的圖像的分割方法”(專利申請號201010530968.7，公開號CN101980298A)公開了一種利用鄰域中值和鄰域均值二維灰度信息進行多智能體遺傳聚類分配像素標號的圖像分割方法。該方法抗噪聲能力強，收斂速度快，能夠改善圖像分割效果的穩定性，但是該方法存在的不足是只是采用了圖像的鄰域信息，在處理復雜圖像的情況下由于過平滑而丟失過多局部信息，減弱識別圖像中不顯著目標的能力。

發明內容

本發明的目的在于克服上述已有技術的不足，提出一種基于遺傳粗糙集C均值聚類的圖像分割方法。本發明提取圖像每個像素的紋理特征，用基于遺傳算法和粗糙集思想的C均值聚類方法對該紋理特征進行標記，進而對像素進行類劃分，達到圖像分割的目的。

實現本發明目的的基本思路是：首先，從待分割圖像中提取特征信息進行前期處理以產生聚類對象數據；然后，在聚類過程中結合遺傳算法的構建種群和進化策略，用聚類方法尋找最佳的隸屬度；最后，根據隸屬度的值大小標記像素的標號，實現對圖像的分割。

為實現上述目的，本發明具體實現步驟包括如下：

(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