[發(fā)明專利]基于自動(dòng)差分聚類算法的遙感圖像分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210493436.X
• 申請(qǐng)日: 2012-11-27
• 公開(kāi)（公告）號(hào): CN102945553A
• 公開(kāi)（公告）日: 2013-02-27
• 發(fā)明（設(shè)計(jì)）人: 李陽(yáng)陽(yáng);焦李成;王爽;武小龍;馬文萍;馬晶晶;李玲玲
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于自動(dòng)差分聚類算法的遙感圖像分割方法，包括以下步驟：

(1)輸入待分割圖像I，分別提取待分割圖像I的小波特征向量和紋理特征向量，并用小波特征向量和紋理特征向量表示待分割圖像I的每一個(gè)像素點(diǎn)v；

(2)產(chǎn)生聚類數(shù)據(jù)：

用待分割圖像I的膨脹變換減去其腐蝕變換，得到形態(tài)梯度圖像I₁，計(jì)算形態(tài)梯度圖像I₁的灰度值矩陣的平方積，得到反映圖像邊緣的浮點(diǎn)活動(dòng)圖像I₂，用分水嶺方法初分割浮點(diǎn)活動(dòng)圖像I₂，得到不同的圖像塊，對(duì)每一個(gè)圖像塊的所有像素點(diǎn)的特征取平均值，獲得代表初始聚類數(shù)據(jù)的每一塊的特征值；

(3)隨機(jī)抽取聚類數(shù)據(jù)初始化種群：

種群中每個(gè)個(gè)體編碼長(zhǎng)度為L(zhǎng)+L×d，每個(gè)個(gè)體分為兩個(gè)部分，前L位為標(biāo)簽位，后L×d位為L(zhǎng)個(gè)待激活的聚類中心，d為聚類數(shù)據(jù)的維數(shù)，隨機(jī)初始化每個(gè)個(gè)體的標(biāo)簽位，并隨機(jī)抽取L個(gè)聚類數(shù)據(jù)作為待激活的聚類中心，令當(dāng)前迭代次數(shù)t=1；

(4)根據(jù)每個(gè)個(gè)體的標(biāo)簽位激活相應(yīng)個(gè)體的聚類中心；

判斷個(gè)體標(biāo)簽T每一位值的大小是否大于0.5，如果大于0.5，則激活相應(yīng)的聚類數(shù)據(jù)點(diǎn)，否則不予激活；所有被激活的聚類數(shù)據(jù)點(diǎn)組合成為該個(gè)體的聚類中心；

(5)根據(jù)激活的聚類中心，采用PBM有效性指標(biāo)公式計(jì)算每個(gè)個(gè)體適應(yīng)度值；

(6)用改進(jìn)的差分進(jìn)化方法對(duì)種群進(jìn)行變異和交叉，并利用個(gè)體適應(yīng)度值進(jìn)行種群更新；

(7)對(duì)更新后的種群進(jìn)行類別數(shù)振蕩操作：

7a)對(duì)種群中的每個(gè)個(gè)體依照振蕩規(guī)則進(jìn)行類別數(shù)振蕩操作，每個(gè)個(gè)體獲得新的類別數(shù)；

7b)計(jì)算每個(gè)個(gè)體中L個(gè)數(shù)據(jù)點(diǎn)的密度，并依照密度大小進(jìn)行排序；

7c)將新的類別數(shù)k_new與當(dāng)前染色體類別數(shù)k_old進(jìn)行比較，如果k_new＜k_old，則依照密度排名從該個(gè)體中選擇密度較大的聚類數(shù)據(jù)點(diǎn)加入聚類中心，否則，從已有聚類中心中淘汰密度排名較小的聚類數(shù)據(jù)點(diǎn)。

(8)利用FCM方法對(duì)振蕩操作后的聚類中心進(jìn)行更新；

(9)判斷種群迭代的次數(shù)是否達(dá)到使用者設(shè)定的最大進(jìn)化代數(shù)T=100，或者相鄰兩代最優(yōu)個(gè)體的適應(yīng)度差值是否小于規(guī)定數(shù)值E=10^-4，如果是，則保存最優(yōu)個(gè)體并執(zhí)行步驟(10)，否則，返回步驟(4)；

(10)對(duì)獲得的最優(yōu)個(gè)體進(jìn)行解碼，求得每個(gè)聚類數(shù)據(jù)的類別標(biāo)號(hào)，并用這些類別標(biāo)號(hào)作為像素的灰度值，輸出圖像的分割結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于自動(dòng)差分聚類算法的遙感圖像分割方法，其特征在于，所述步驟1中提取待分割圖像I的小波特征向量，是采用小波分解方法獲得，即對(duì)圖像進(jìn)行窗口大小為16×16的三層小波變換，得到由子帶系數(shù)所構(gòu)成的10維小波特征向量。

3.根據(jù)權(quán)利要求1所述的基于自動(dòng)差分聚類算法的遙感圖像分割方法，其特征在于，所述步驟1中提取待分割圖像I的紋理特征向量，采用灰度共生矩陣方法獲得，具體步驟如下：

第1步，將待處理圖像量化為16個(gè)灰度級(jí)；

第2步，依次令兩個(gè)像素點(diǎn)連線與橫軸的方向夾角為0°、45°、90°和135°，按照下式分別計(jì)算四個(gè)方向的灰度共生矩陣：

P(i,j)＝#{(x₁,y₁),(x₂,y₂)∈M×N|f(x₁,y₁)＝r,f(x₂,y₂)＝s}

其中，P(i，j)為灰度共生矩陣在坐標(biāo)(i，j)位置上的元素，#為集合{}的元素個(gè)數(shù)，(x₁，y₁)和(x₂，y₂)為距離等于1的兩個(gè)像素點(diǎn)坐標(biāo)，∈為集合中的屬于符號(hào)，M×N為待處理圖像的大小，|為概率論中的條件符號(hào)，r為(x₁，y₁)處像素點(diǎn)矢量化后的灰度值，s為(x₂，y₂)處像素點(diǎn)矢量化后的灰度值；

第3步，根據(jù)灰度共生矩陣分別選取該矩陣四個(gè)方向上的對(duì)比度、同質(zhì)性和能量值，獲得像素的12維紋理特征向量。