素 点集的真实类标集合，S表示聚类算法得到的待分割图像中像素点集的类标集合，NQ1表示在 G中属于不同类而在S中属于同一类的像素点对的数目，Νιο表示在S中属于不同类而在G中属 于同一类的像素点对的数目，Nn为在集合G和S中都属于同一类的像素点对的数目。
[0098]步骤8,利用已得到的最优分割中心点对待分割图像进行分割，实现步骤如下； [0099] (8a)计算待分割图像中每一个像素点属于最优分割中心点中每个类的隶属度，获 得待分割图像像素点的隶属度矩阵；
[0100] (8b)从待分割图像像素点的隶属度矩阵中找出待分割图像中每个像素点所在列 中的最大隶属度，将这些最大隶属度在隶属度矩阵中位置的行标号，作为这些最大隶属度 所对应的像素点的类标号；
[0101] (8c)显示待分割图像中所有的类，完成图像分割。
[0102] 以下结合附图和仿真结果，对本发明的技术效果作进一步详细描述：
[0103] 1.仿真条件：
[0104] 本发明采用Matlab R2009a软件在配置为core i3 2.30GHZ，内存2G，WIND0WS 7系 统的计算机上进行。
[0105] 2.仿真内容：
[0106] 对一幅输入的人工合成图像进行图像分割，其结果如图2所示。
[0107] 参照图2,图2(a)为输入的待分割图像原图，图2(b)为对输入的待分割图像加入高 斯0.01的噪声后的图像，图2 (c)为DLSIAL方法的分割结果图，图2 (d)为FCM-NSGA方法的分 割结果图，图2(e)为本发明方法的分割结果图。
[0108] 由图2可以看出：本发明的图像分割结果中，白色斑点噪声和误检区域明显减少， 同时分割的准确率得到了有效的提高。
[0109] 为了进一步分析分割结果，表1给出了图2分割结果图中精确的数据。
[0110] 分割后的图像数据如表1所示，实施例中图像分割结果的性能采用准确率ACC、调 整后的兰德指数ARI，闵可夫斯基得分MS以及自动聚类得到的聚类个数K作为评价指标。其 中，mean表示三种方法独立运行20次的平均分割指标，best表示这20次中最好的分割指标。
[0111] 表1不同方法在加噪图像上的分割结果
[0112]
[0113] 表1是本发明方法、DLSIAC方法以及FCM-NSGA方法对加入高斯0.01噪声的人工合 成图像进行分割的具体数据，由表中数据可以看出，本发明方法的分割图像能得到与图像 实际类别数最接近的类别数，而且分割准确率明显高于DLSIAL方法和FCM-NSGA方法，其MS 和ARI评价指标同样好于DLSI AC以及FCM-NSGA方法，这说明本发明方法在图像分割的准确 性和鲁棒性上得到有效的提高。
【主权项】
1. 一种基于动态局部捜索和免疫克隆自动聚类的图像分割方法，包括如下步骤： (1) 输入一幅待分割图像； (2) 采用基于聚类中屯、的可变长实数编码方式编码抗体，并对该抗体进行初始化，得到 第一抗体种群A(t); (3) 采用包含全局紧致性和模糊分离度的目标函数，对已得到的第一抗体种群A(t)进 行克隆选择操作，得到由非支配抗体组成的第二抗体种群AW(t); (4) 设置对第二抗体种群AW(t)进行优化的当前代数t为0,最大优化代数为tmax; (5) 采用人工免疫算法对第二抗体种群AW(t)进行优化，实现的步骤为： (5a)采用等比例克隆方式对第二抗体种群A^(t)中的抗体进行克隆增殖操作，得到第 S抗体种群A^(t); (5b)采用单点交叉方式对第=抗体种群A^(t)中的抗体进行交叉操作，得到第四抗体 种群A<3>(t); (5c)采用非一致性变异方式对第四抗体种群A^(t)中的抗体进行变异操作，得到第五 抗体种群(t); (5d)采用动态局部捜索算子对第五抗体种群A^(t)中的抗体进行局部捜索操作，得到 第六抗体种群A^(t); (6) 判断当前代数t是否小于最大优化代数tmax，若是，则将当前代数t加一，用第六抗体 种群A^(t)替换第二抗体种群A<i>(t)，执行步骤(5)，否则，执行步骤(7); (7) 采用半监督方式对第六抗体种群A^(t)中的非支配解集进行选择操作，得到最优 分割中屯、点； (8) 利用已得到的最优分割中屯、点对待分割图像进行分割，实现步骤如下： (8a)计算待分割图像中每一个像素点属于最优分割中屯、点中每个类的隶属度，获得待 分割图像像素点的隶属度矩阵； (8b)从待分割图像像素点的隶属度矩阵中找出待分割图像中每个像素点所在列中的 最大隶属度，将运些最大隶属度在隶属度矩阵中位置的行标号，作为运些最大隶属度所对 应的像素点的类标号； (8c)显示待分割图像中所有的类，完成图像分割。2. 根据权利要求1所述的基于动态局部捜索和免疫克隆自动聚类的图像分割方法，其 特征在于步骤(3)中所述的目标函数为： min f化(t)) = [fi(h(t)),f2化(t))] 其中，其中，f I化(t))表示抗体h (t)对应的第I个目标函数的值，J表示全局紧致性，K表示抗体 Mt)所对应的聚类个数，N表示待分割图像中像素点集的大小，Uik表示第k个像素点属于第i 个聚类中屯、的隶属度，m表示模糊指数，且m= 2, d( Vi, Xk)表示聚类中屯、Vi和Xk之间的距离，Vi =[Vii,Vi2,...，VidKi = 1，2, ...，K)表示抗体Mt)解码后对应的第i个聚类中屯、点，Xk = [Xki，xk2，...，Xkd]表示图像像素点集中第k个像素点；f 2化（t))表示抗体h(t)对应的第2个目 标函数的值，S表示模糊分离度，UU表示第j个聚类中屯、点属于第i个聚类中屯、点的隶属度，d (Vi, Vj)表示聚类中屯、点Vi和聚类中屯、点Vj之间的距离。3. 根据权利要求1所述的基于动态局部捜索和免疫克隆自动聚类的图像分割方法，其 特征在于步骤(5d)中所述的对第五抗体种群A^(t)中的抗体进行局部捜索操作，其中第五 抗体种群AW (t)中的一个抗体设置为第一抗体hiW (t) (i = 1，2，…，m)，按如下步骤进行： 5dl)设置阔值W，并产生一个(0，1)之间的随机数。 5d2)判断该随机数r是否小于阔值W: 若是，则从待分割图像的像素点集中随机选一个对象作为新的聚类中屯、，并将该聚类 中屯、增加到第一抗体hiW(t)中；否则，判断第一抗体hiW(t)所对应的聚类中屯、个数是否大 于2,若是，则从第一抗体hiW(t)中随机选取一个聚类中屯、进行删除操作；否则，执行步骤 5d3)； 5d3)将第一抗体hiW(t)解码，得到对应的聚类中屯、，并将已得到的聚类中屯、作为FCM算 法的初始聚类中屯、，进行聚类中屯、的修正操作，得到第二抗体hiW'（t); 5d4)判断第二抗体hiW'（t)是否支配第一抗体hiW(t)，若是，则用第二抗体hiW'（t)代 替第一抗体hi W (t)，否则，继续执行步骤5dl)。4. 根据权利要求1所述的基于动态局部捜索和免疫克隆自动聚类的图像分割方法，其 特征在于步骤(7)中所述的半监督方式采用如下公式实现：其中，MS( ? )e[0，l]，MS( ?)值越小表示聚类质量越高，G表示待分割图像中像素点集 的真实类标集合，S表示聚类算法得到的待分割图像中像素点集的类标集合，Noi表示在G中 属于不同类而在S中属于同一类的像素点对的数目，Nio表示在S中属于不同类而在G中属于 同一类的像素点对的数目，Nii为在集合G和S中都属于同一类的像素点对的数目。
【专利摘要】本发明提出了一种基于动态局部搜索和免疫克隆自动聚类的图像分割方法，用于解决现有图像分割方法中存在的鲁棒性和精确度差、收敛速度慢的技术问题，实现步骤是：1.输入一幅待分割图像；2.初始化抗体种群，得到第一抗体种群；3.对第一抗体种群进行克隆选择操作，得到第二抗体种群；4.设置对第二抗体种群优化的当前优化代数t和最大优化代数tmax；5.对第二抗体种群进行优化，得到第六抗体种群；6.判断是否满足迭代停止条件；7.对第六抗体种群中的非支配解集进行选择；8.利用已得到的最优分割中心点对待分割图像进行分割。本发明提高了图像分割的精确度、鲁棒性和收敛速度，可用于对图像中特征目标的提取和对目标的识别与跟踪。
【IPC分类】G06T7/00, G06N3/12
【公开号】CN105654498
【申请号】
【发明人】尚荣华, 焦李成, 都炳琪, 李风, 刘芳, 马文萍, 王爽, 侯彪, 刘红英
【申请人】西安电子科技大学
【公开日】2016年6月8日
【申请日】2016年1月27日