主权项 |
一种基于迭代自组织和多智能体遗传聚类算法的图像分割方法,包括如下步骤:(1)输入待分割图像,提取待分割图像的灰度信息,标记为data;(2)对数据data进行迭代自组织处理,输出最优聚类数目c:(2a)令聚类数目为c<sub>0</sub>,最大迭代次数为T<sub>0</sub>,最大类内标准差为θ<sub>s</sub>,最小聚类中心距离为θ<sub>c</sub>,随机初始化聚类原型,令迭代次数t=0;(2b)利用下式修正聚类原型的各聚类中心<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>z</mi><mi>j</mi></msub><mo>=</mo><mfrac><mn>1</mn><msub><mi>N</mi><mi>j</mi></msub></mfrac><munder><mi>Σ</mi><mrow><mi>x</mi><mo>∈</mo><msub><mi>S</mi><mi>j</mi></msub></mrow></munder><mi>x</mi><mo>,</mo><mi>j</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>c</mi><mn>0</mn></msub><mo>;</mo></mrow>]]></math><img file="FDA0000532939690000011.GIF" wi="638" he="156" /></maths>式中,z<sub>j</sub>为第j类聚类集聚类中心,N<sub>j</sub>为第j类聚类集中的像素点数目,S<sub>j</sub>为第j类聚类集,x为第j类内的对应数据值,c<sub>0</sub>为聚类数目;(2c)计算聚类原型中的总类内平均距离<img file="FDA0000532939690000013.GIF" wi="60" he="79" />以及第j类聚类集的类内平均距离<img file="FDA0000532939690000012.GIF" wi="60" he="87" />和类内标准差d<sub>j</sub>,其中j=1,2,...,c<sub>0</sub>;(2d)将类内标准差d<sub>j</sub>与最大类内标准差θ<sub>s</sub>进行比较,如果d<sub>j</sub>>θ<sub>s</sub>且<img file="FDA0000532939690000014.GIF" wi="142" he="82" />则执行步骤(2e),否则跳转步骤(2f);(2e)将S<sub>j</sub>平均分成两个新的聚类集,更新聚类数目c<sub>0</sub>,返回步骤(2b);(2f)计算聚类原型中第j个聚类集S<sub>j</sub>和第j+1个聚类集S<sub>j+1</sub>的聚类中心的距离D<sub>j,j+1</sub>;并将其与最小聚类中心距离θ<sub>c</sub>相比较,如果D<sub>j,j+1</sub><θ<sub>c</sub>则执行步骤(2g),否则,跳转步骤(2h);(2g)将所述的两个聚类集S<sub>j</sub>和S<sub>j+1</sub>合并成一个聚类集,更新聚类数目c<sub>0</sub>,返回步骤(2b);(2h)将迭代次数t与最大迭代次数T<sub>0</sub>相比较,如果t=T<sub>0</sub>,输出最优聚类数目c=c<sub>0</sub>,终止迭代操作,否则令t=t+1,返回步骤(2b);(3)根据最优聚类数目c,应用多智能体遗传聚类算法,对图像灰度信息数据data进行聚类,输出最优聚类标签:(4)根据最优聚类标签,对输入的待分割图像的像素点进行分类,将每一类像素点作为一个图像块,得到分割图像。 |