[發明專利]一種基于圖論分割過程的多目標粒子群參數優化方法

有效

• 申請號: 201410230948.6
• 申請日: 2014-05-28
• 公開（公告）號: CN104021552B
• 公開（公告）日: 2017-02-22
• 發明（設計）人: 黃慶華;張強志
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187;G06N3/00
• 代理公司: 廣州市華學知識產權代理有限公司44245
• 代理人: 蔡茂略

1.一種基于圖論分割過程的多目標粒子群參數優化方法，其特征在于，包括以下步驟：

1)初始化粒子群優化算法的各參數；

2)對每個粒子進行基于圖論的RGB圖像分割；

3)計算類間方差、類內方差、平均梯度這三個目標函數值；

4)根據多目標評優策略對每個粒子進行評優；

5)根據個體最優和全局最優更新粒子；

6)對步驟2)到步驟5)進行迭代直至滿足停止條件。

2.根據權利要求1所述的一種基于圖論分割過程的多目標粒子群參數優化方法，其特征在于：在步驟1)中，根據基于圖論的RGB分割算法中的兩個控制分割效果的正參數α和k的搜索空間的大小，設定所需個數的粒子，然后隨機或者有序地初始化各個粒子的位置信息，即α和k的參數組合，而粒子的初始化速度，也是α和k的參數組合，都設為(0，0)，并根據不同需要初始化其它參數。

3.根據權利要求1所述的一種基于圖論分割過程的多目標粒子群參數優化方法，其特征在于：在步驟2)中，根據每個粒子的位置信息，也就是α和k的參數組合，對待分割圖像進行基于圖論的RGB圖像分割，得到相應的分割結果，其過程如下：

2.1)應用非線性擴散模型對原始圖像進行去噪；

2.2)采用六鄰域模板，對去噪后的整個圖像進行遍歷，包括構造邊和邊權值計算，建立相應的圖G＝(V,E)，其中V表示頂點集合，即像素點集合，E為邊集合，

其中，邊權值定義為相應兩頂點的灰度差，即：

w_ij＝|I(v_i)-I(v_j)|

I(v_i)、I(v_j)分別表示頂點v_i、v_j所對應的像素點的灰度值；

2.3)按邊權值大小對邊集合E進行非遞減排序，初始化所有邊為無效邊，如果一條邊有效，則表示這條邊在圖中存在，意味著邊兩端的頂點屬于同一個區域；反之，如果一條邊無效，則意味著邊兩端的頂點不互相直接連接，而所有邊為無效邊意味著每個像素點所對應的頂點都屬于不同的子圖；

2.4)遍歷和融合，即遍歷邊集合E中的每一條邊，并判斷其有效性，具體操作為：

2.4.1)令遍歷標記q＝1，表示從邊權值最小的邊開始遍歷；

2.4.2)如果該邊相應兩頂點屬于不同子圖，且滿足區域融合條件，則設置該邊為有效邊，融合所連接的兩個子圖為一個更大的子圖，并根據更新公式更新融合后子圖的均值和標準差；否則，該邊仍為無效邊，不對兩個子圖做任何操作；

2.4.3)令q＝q+1，即表示遍歷下一條邊，如果q<＝N，則重復步驟2.4.2)和步驟2.4.3)，否則，遍歷完畢；

2.4.4)遍歷完畢后，得到一個與圖像相對應的最小生成森林，其中的每棵樹即對應著圖像中的一個分割區域；

其中，區域融合條件和更新公式如下：

對于圖G＝(V，E)的任意兩個相鄰區域C₁和C₂，剛初始化時C₁,C₂∈V，是否對它們進行融合由區域對比準則D(C₁,C₂)來判定，如果D(C₁,C₂)為真，則判定連接C₁和C₂的邊有效，意味著這兩個區域能夠進行融合；否則，判定連接C₁和C₂的邊仍為無效，圖的結構不變，區域對比準則D(C₁,C₂)定義如下：

D(C1,C2)=false,ifDif(C1,C2)>MInt(C1,C2)true,other]]>

Dif(C₁,C₂)＝|μ(C₁)-μ(C₂)|

MInt(C₁,C₂)＝min(σ(C₁)+τ(C₁),σ(C₂)+τ(C₂))

τ(C)=k|C|·(1+1α·β),β=μ(C)σ(C)]]>

其中，Dif(C₁,C₂)表示兩個子圖C₁，C₂之間的差異；MInt(C₁,C₂)表示兩個子圖C₁，C₂的內部灰度差異的較小者；μ(C)表示區域C內部所有像素點的灰度均值；σ(C)表示區域C內部所有像素點的灰度標準差；τ(C)是門限函數，|C|表示區域C內部所有像素點的個數，α和k是兩個控制分割效果的正參數；

兩個區域發生融合后，需進行一步重要的操作，那就是更新區域統計信息，為后續的區域對比準則提供新的數據，由區域對比準則可知，區域的均值μ和標準差σ是必需的信息，而它們又是隨著區域變動而變動的，因此，需要在兩個區域發生融合后根據以下公式對它們進行更新：

μ=n1μ1+n2μ2n]]>

σ2=(n1-1)σ12+(n2-1)σ22n-1+n1n2(μ1-μ2)2n(n-1)]]>

其中，μ₁和μ₂分別表示融合前兩個相鄰區域C₁和C₂的灰度均值，σ₁和σ₂分別表示這兩個區域的標準差，n₁和n₂分別表示這兩個區域的像素點數；μ和σ分別表示融合后區域的灰度均值和標準差，n是該融合后區域的像素點數。