基于免疫密母聚类的图像分割方法

摘要

本发明公开了一种基于免疫密母聚类的图像分割方法，主要解决已有聚类技术稳定性差、易陷入局部极值问题。其实现步骤为：1)输入一幅待分割图像；2)提取图像纹理特征；3)分水岭预分割图像，产生聚类数据；4)初始化第一个种群a；5)计算第一个种群a中个体适应度值，得到第二个种群b；6)对第一个种群a和第二个种群b同时进行进化操作，对第一个种群a依次进行交叉操作、变异操作、个体学以及选择操作，对第二个种群b依次进行克隆操作、变异操作及克隆选择操作；7)从精英种群c中取最大适应度值所对应的个体进行标记作为最终的图像分割结果。本发明具有稳定性高、分割结果区域一致性好和保留信息完整的优点，可用于SAR图像目标识别。

主权项

1.一种基于免疫密母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)提取待分割图像的纹理特征，用灰度共生矩阵方法提取图像的前12维纹理特征向量，用小波分解方法提取图像的后10维纹理特征向量，得到N个D维的纹理特征向量，其中N为图像的像素个数，D为用灰度共生矩阵方法与小波分解方法提取待分割图像的纹理特征向量维数之和；(3)对待分割图像进行分水岭预分割，得到N1个不重叠的区域块，对每一个区域块所包含像素点的纹理特征向量取平均值，得到N1个D维的纹理特征向量，作为聚类的输入数据样本，N1为分水岭分割块数；(4)将第一个种群a分为两部分进行初始化：4a)根据最小生成树MST原理生成第一部分种群a1；4b)随机产生第二部分种群a2，每个个体基因位上的值是1到K之间的随机数，K为待分割图像的分类数；(5)对第一个种群a中的个体按照如下公式计算适应度值：$\mathrm{fitness}=\frac{1}{\underset{i=1}{\overset{K}{\Sigma }}\underset{j=1}{\overset{{\mathrm{RN}}_i}{\Sigma }}\underset{k=1}{\overset{{\mathrm{PN}}_i}{\Sigma }}\mathrm{dis}(p_{\mathrm{ijk}},m_i)+1},$$\mathrm{dis}(p_{\mathrm{ijk}},m_i)=\sqrt{\underset{g=1}{\overset{D}{\Sigma }}{(p_{{\mathrm{ijk}}_g}-m_{i_g})}^2},$RN_i是第i类包含的区域块数，PN_i是第i类中第j个区域块包含的像素点数，p_ijk为第i类中第j区域块的第k个像素点，m_i是第i类的聚类中心，为第i类中第j区域块的第k个像素点的第g个特征，为第i类聚类中心的第g个特征，D为用灰度共生矩阵方法与小波分解方法提取待分割图像的纹理特征维数之和；(6)计算出第一个种群a中所有个体的适应度值后，将适应度值由高到低排序，取前d个个体的聚类中心作为第二个种群b的抗体，将前d个个体对应的适应度值作为第二个种群b中抗体的亲和度值，d为第二个种群b中抗体的个数；(7)进化第一个种群a7a)用基于同类之间交叉方法对第一个种群a中的个体进行交叉操作，重组第一个种群a中的个体信息；7b)用单点变异方法对交叉操作后的第一个种群a中的个体进行变异操作，以提高第一个种群a的多样性；7c)用个体学习方法对变异操作后的第一个种群a中的个体进行局部搜索，使第一个种群a不会陷入局部最优解；7d)用精英联赛机制对个体学习操作后的第一个种群a中的个体进行选择操作，并把适应度值最高的个体保存到精英种群c中；(8)进化第二个种群b8a)对第二个种群b中的抗体进行比例克隆操作；8b)用均匀变异操作对比例克隆操作后的第二个种群b中的抗体进行变异操作，以提高第二个种群b的多样性；8c)用克隆选择方法对均匀变异操作后的第二个种群b中的抗体进行选择操作，并用选择操作之后第二个种群b中抗体取代选择操作后的第一个种群a中适应度值最低的d个个体；(9)如果进化种群a和b执行的次数达到G_max次，则执行步骤(10)，否则执行步骤(5)，G_max为进化两个种群a和b的最大迭代次数；(10)从精英种群c中，选择适应度最大值对应的个体作为最优个体；(11)在最优个体中，由每个块的类标找到每个像素点的类标，从闭区间[0，255]中任意选择一个整数作为所标记像素的灰度值，得到分割结果。