[發明專利]基于改進多目標粒子群優化聚類的圖像分割方法

有效

• 申請號: 201410079278.2
• 申請日: 2014-03-05
• 公開（公告）號: CN103985112B
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 焦李成;劉芳;黃倩;馬文萍;馬晶晶;王爽;侯彪;李陽陽
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 西安智萃知識產權代理有限公司61221
• 代理人: 張超

技術領域

本發明屬于圖像處理領域，特別是涉及基于改進多目標粒子群優化聚類的圖像分割方法，可應用于目標識別。

背景技術

圖像分割作為一種重要的圖像處理技術，在理論研究和實際應用中都得到了人們的廣泛重視。為后續工作有效進行而將圖像劃分為若干個有意義的區域的技術稱為圖像分割。圖像分割是后續工作有效進行的關鍵，從圖像處理到圖像分析的關鍵步驟。目前,從分割操作策略上講,可以分為基于邊界的方法，基于區域生成的分割方法，基于聚類的分割方法等。目前，人們更多采用基于進化聚類的方法來進行圖像分割。進化聚類圖像分割算法主要是進化計算與聚類技術相結合應用到圖像分割上的算法，主要的核心是進化聚類算法的研究。在現有的聚類方法中,通常把基于目標函數的聚類問題歸結為一個優化問題，再結合進化計算對聚類問題進行智能優化。隨著多目標技術的發展，出現了多目標進化聚類技術，基于多目標進化聚類方法的優點在于它可以獲得在多個目標函數間權衡的聚類結果。

現有的多目標進化算法中，多目標粒子群算法是一種嶄新的隨機優化方法，具有程序實現簡單、控制參數少的特點，所以得到了廣泛應用。在現有的進化聚類圖像分割算法中，單目標聚類圖像分割算法存在評價單一，細節保持不好等缺點，而在現有的多目標進化聚類圖像分割技術中，缺乏種群的多樣性，造成分割不理想，分割正確率低，計算復雜度高等缺點。

發明內容

本發明的目的在于克服上述已有技術的不足，提出一種基于改進多目標粒子群優化聚類的圖像分割方法，本發明選取了兩個互補的目標函數，將分解的理論融入到多目標粒子群優化算法中，改善現有方法的目標函數單一性和邊緣細節保持不理想等缺點。

基于改進多目標粒子群優化聚類的圖像分割方法，包括如下步驟：

(1)輸入待分割圖像，提取待分割圖像的特征，并計算該待分割圖像的梯度，得到梯度圖像，對梯度圖像進行分水嶺分割，得到N個互不重疊的區域，N≥1000；

(2)對每個區域中所有像素點特征取均值，獲得每一個區域的特征向量，作為初始聚類數據點集合W＝{w₁,w₂…w_N}；

(3)利用初始聚類數據點集合，隨機初始化大小為M的種群:

(3a)隨機初始化各粒子的位置X＝{x₁,x₂…x_M}、速度V＝{v₁,v₂…v_M}，每個粒子的位置x_m代表一種分割結果，m＝1,2,…M，M＝50；

(3b)將各粒子的當前位置作為各粒子的最優位置；

(4)根據每個粒子的位置計算每個粒子的目標函數值F，F＝[f₁ f₂]，其中，f₁為類內方差，f₂為類間連接；

(5)根據各粒子的位置和目標函數值初始化leader粒子庫和外部粒子庫；

(6)根據目標函數值初始化理想點Z^*，Z^*＝[Z₁ Z₂]，其中Z₁為第一個目標函數f₁到目前為止找到的最小值，其中Z₂為第二個目標函數f₂到目前為止找到的最小值；

(7)根據各粒子的目標函數值標準化各粒子的目標函數值，并計算各粒子的聚合值；

(8)升級各個粒子的速度和位置；升級公式按如下進行：

其中，表示t+1代第i個粒子的速度，表示t代第i個粒子的速度，表示t代第i個粒子的位置；表示t+1代第i個粒子的位置，表示t代第i個粒子的最好位置，表示t代leader粒子庫中的粒子；

(9)對每個新粒子進行評價，即對新粒子計算每個目標函數的值；

(10)根據每個目標函數的值，升級種群的理想點；

(11)根據每個粒子的目標函數值計算每個粒子的聚合函數值；

(12)根據每個粒子的聚合函數的值的大小升級每個粒子的最優位置：如果新粒子的聚合函數值比粒子最優位置的聚合值小，則用新粒子的位置代替粒子的最優位置，否則粒子最優位置不變；

(13)升級leaders粒子庫和外部粒子庫；