[發明專利]基于迭代自組織和多智能體遺傳聚類算法的圖像分割方法

有效

• 申請號: 201410316974.0
• 申請日: 2014-07-04
• 公開（公告）號: CN104050680B
• 公開（公告）日: 2016-10-12
• 發明（設計）人: 劉靜;焦李成;王霄;熊濤;劉紅英;馬文萍;馬晶晶
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明隸屬于數字圖像處理技術領域，涉及一種圖像分割方法，可用于模式識別以及計算機視覺領域。

背景技術

圖象分割是圖象處理中一項關鍵技術，其在圖像處理研究中有著非常廣泛的應用，例如目標識別、目標測量都是以圖像分割為基礎的，圖像的分割結果直接影響著后續任務的進行，因此圖像分割的研究具有十分重要的意義。圖像分割是一種特殊的圖像處理技術，其實質上是按照圖像像素屬性即灰度、紋理、顏色進行分類的一個過程。現有圖像分割方法中較為常用的方法包括基于聚類的圖像分割方法和基于邊緣提取的圖像分割方法。其中，基于聚類的圖像分割方法應用尤為突出，其優點是易于實現，分割效果好。基于邊緣提取的圖像分割方法常應用于邊緣清晰，對比度明顯的圖像上，但是其缺點尤為明顯：無法應用于復雜的自然圖像分割和SAR圖像分割上。

基于聚類的分割方法被廣泛地應用于生物醫學、計算機視覺和遙感圖像處理等領域。聚類實質是將未知分布的一組數據進行分類，最大程度的使同一類別中的數據具有相同的性質，且不同類的數據具有不同的性質。

基于此，各種各樣的聚類算法被應用到圖像分割領域，并且取得了越來越滿意的效果。但由于圖像數據的特殊性與多樣性，并非所有的聚類算法都可以直接應用到圖像分割領域，很多算法都需要進行包裝改進，甚至一部分算法根本就不適合用于進行圖像分割。目前的研究中，常用的聚類技術有以下幾種：分層聚類算法，最近鄰域聚類算法，模糊聚類算法，人工神經網絡聚類算法，遺傳聚類算法。

初期，研究人員常常用于圖像分割的聚類算法是分層聚類算法。這種算法的優點是簡單，易于操作，但同時它也帶來了很多不便，比如：依賴于初始設定的聚類種類數目、容易陷入局部最優、聚類結果不理想等等。為了解決這類問題，研究人員進行了很多嘗試，有人采用遺傳算法GA與聚類算法相結合，得到了比較滿意的結果，但由于傳統遺傳算法全局進化機理的局限性，結合后的聚類方法仍然具有依賴聚類初始設定類別和容易陷入局部最優值等缺點，導致圖像分割結果質量的下降和分割效果穩定性的降低，不利于后續的圖像分析和處理。

發明內容

本發明的目的在于針對上述已有技術的不足，提出一種基于迭代自組織和多智能體遺傳聚類算法的圖像分割方法，以減小初始設定參數對聚類結果的影響，改善圖像分割效果，增強圖像分割結果的穩定性。

為實現上述目的，本發明的技術方案包括如下步驟：

(1)輸入待分割圖像，提取待分割圖像的灰度信息，標記為data；

(2)對數據data進行迭代自組織處理，輸出最優聚類數目c：

(2a)令聚類數目為c₀，最大迭代次數為T₀，最大類內標準差為θ_s，最小聚類中心距離為θ_c，隨機初始化聚類原型，令迭代次數t＝0；

(2b)利用下式修正聚類原型的各聚類中心

zj=1NjΣx∈Sjx,j=1,2,...,c0;]]>

式中，z_j為第j類聚類集聚類中心，N_j為第j類聚類集中的像素點數目，S_j為第j類聚類集，x為第j類內的對應數據值，c₀為聚類數目；

(2c)計算聚類原型中的總類內平均距離D以及第j類聚類集的類內平均距離和類內標準差d_j，其中j＝1,2,...,c₀；