基于组织进化聚类算法的图像分割方法
【专利摘要】本发明公开了一种基于组织进化聚类算法的图像分割方法，主要解决现有技术对初始聚类中心敏感，收敛速度慢及容易陷入局部极值的问题。本方法将图像的聚类分割转化为一个全局优化问题，其实现步骤为：首先，将组织进化遗传算法OEA和模糊C均值聚类算法FCM相结合，同时利用像素点空间信息，通过组织进化遗传算法的全局优化能力获得最优聚类中心和隶属度矩阵；根据最大隶属度原则输出聚类标签，进而实现图像分割。本方法抗噪声能力强，收敛速度快，能够改善图像分割的质量和分割效果的稳定性，可用于图像目标的提取和识别。
【专利说明】基于组织进化聚类算法的图像分割方法
【技术领域】
[0001]本发明属于图像处理【技术领域】，涉及图像分割方法，特别是基于组织进化聚类算法的图像分割方法，可用于模式识别和计算机视觉等领域。
【背景技术】
[0002]图像分割是后续图像分析和图像理解的基础，在实际中有着非常广泛的应用，例如对图像目标的提取、测量都离不开图像分割，分割的准确性直接影响后续任务的有效性，因此具有十分重要的意义。
[0003]图像分割又是一种特殊的图像处理技术，其实质是一个按照像素属性即灰度、纹理、颜色进行分类的过程。
[0004]聚类是无监督分类的一种，被广泛地应用于工程、生物、计算机视觉和遥感等领域。聚类是将一组分布未知的数据进行分类，尽可能地使得同一类中的数据具有相同的性质，而不同类的数据其性质各异，其目的是寻找隐藏在数据中的结构。
[0005]基于此，许多聚类算法被应用于图像分割领域并取得了较为满意的效果。但由于图像数据的特殊性，并不是所有的聚类算法都能直接应用于图像分割，有的算法需要改进，有的算法根本不适合这个领域。几种常用的聚类技术包括:分层聚类算法，最近邻域聚类算法，模糊聚类算法，人工神经网络聚类算法，遗传聚类算法。其中，经常被用于图像分割的典型的聚类算法是模糊C均值FCM算法。但这种FCM算法的缺点是:对初始值敏感及对噪声数据敏感，容易陷入局部最优。为解决这类问题，许多研究人员提出采用遗传算法与FCM结合，得到了比较满意的结果，例如国内的高新波教授在其著作《模糊聚类分析及其应用》(西安电子科技大学出版社，2004年出版)中曾对此做过大量的研究，但由于传统遗传算法全局进化机理的局限，使得这种遗传算法与FCM结合后的方法GA-FCM仍然具有收敛速度慢和容易陷入局部极值等缺陷，导致图像分割质量的下降和分割效果稳定性的降低。另外，前面所述的FCM以及遗传算法与FCM结合后的方法在分割图像时利用的是图像灰度直方图特征，二者均没有充分的考虑图像像素的空间信息，因此图像分割质量容易受到图像中噪声的影响，不利于后续的图像分析和理解。
【发明内容】
[0006]本发明的目的在于克服上述已有技术的不足，提出一种基于组织进化聚类算法的图像分割方法，以充分考虑图像像素的空间信息，抑制噪声对图像分割的影响，改善了图像分表I]效果。
[0007]为实现上述目的，本发明的技术方案是:基于组织进化聚类算法的图像分割方法，其特征是:包括如下步骤:
[0008]步骤101:输入待分割图像，提取待分割图像的灰度信息；
[0009]步骤102:应用组织进化聚类算法对图像二维灰度信息进行聚类；
[0010]步骤103:根据步骤102输出的隶属度矩阵，按最大隶属度原则输出聚类标签；[0011]步骤104:根据步骤103输出的聚类标签，对图像像素进行分类，实现图像分割，并输出分割后的图像。
[0012]所述的步骤102，包括如下步骤:
[0013]步骤201:确定聚类数目c和模糊权重m，随机初始化聚类原型，即从待分割图像中随机选取c个像素点的灰度信息作为聚类中心，每个聚类原型代表组织中的一个个体；确定种群大小，使每个组织中只含有一个个体；令进化代数t=0 ；
[0014]步骤202:计算隶属度；
[0015]步骤203:根据如下公式计算种群中每个个体的fitness:
【权利要求】
1.基于组织进化聚类算法的图像分割方法，其特征是:包括如下步骤: 步骤101:输入待分割图像，提取待分割图像的灰度信息； 步骤102:应用组织进化聚类算法对图像二维灰度信息进行聚类； 步骤103:根据步骤102输出的隶属度矩阵，按最大隶属度原则输出聚类标签； 步骤104:根据步骤103输出的聚类标签，对图像像素进行分类，实现图像分割，并输出分割后的图像。
2.根据权利要求1所述的基于组织进化聚类算法的图像分割方法，其特征是:所述的步骤102，包括如下步骤: 步骤201:确定聚类数目c和模糊权重m，随机初始化聚类原型，即从待分割图像中随机选取c个像素点的灰度信息作为聚类中心，每个聚类原型代表组织中的一个个体；确定种群大小，使每个组织中只含有一个个体；令进化代数t=0 ； 步骤202:计算隶属度； 步骤203:根据如下公式计算种群中每个个体的fitness:
3.根据权利要求2所述的基于组织进化聚类算法的图像分割方法，其特征是:所述的步骤202，包括如下步骤: 步骤301:利用如下隶属度公式求出原始隶属度
4.根据权利要求2所述的基于组织进化聚类算法的图像分割方法，其特征是:所述的步骤205，包括如下步骤: 步骤401:选取介于组织大小1/3到2/3之间的一个随机整数η ； 步骤402:将组织中顺序在η以前的个体复制到一个新的组织中，将顺序在η及其以后的个体复制到另一个新的组织中； 步骤403:将步骤402中产生的两个新组织作为分裂算子的子代进行输出。
5.根据权利要求2所述的基于组织进化聚类算法的图像分割方法，其特征是:所述的步骤208，包括如下步骤: 步骤501:对于两个组织中适应度高的那个组织，将其中个体全部复制到一个新的组织中，并作为吞并算子的子代组织； 步骤502:对于适应度较低的那个组织，将其每个个体执行步骤503的操作，若已对最后一个个体进行操作则进行步骤507 ； 步骤503:产生一个O到I之间的随机数，当它小于AS时进行步骤504，否则进行步骤505 ； 步骤504:按策略一产生一个新的个体，并进行步骤506，其中策略一公式如下:
6.根据权利要求2所述的基于组织进化聚类算法的图像分割方法，其特征是:所述的步骤209，包括如下步骤: 步骤601:分别选取两个组织中的最优个体X、y ； 步骤602:按如下公式产生个体q、r:
[q= Dx.r+ (1- δ) χ ν
[r= (1- )χ r+ 5 χ μ
其中为O到I之间的随机数； 步骤603:将两个组织中的最优个体分别换为χ和q、y和r中较好的那个； 步骤604:将更新后的两个组织作为合作算子的子代组织输出。
【文档编号】G06T7/00GK103824279SQ201310733367
【公开日】2014年5月28日 申请日期:2013年12月24日 优先权日:2013年12月24日
【发明者】刘静, 焦李成, 唐瑞祺, 马文萍, 马晶晶 申请人:西安电子科技大学