基于分水岭-量子进化聚类算法的图像分割方法

摘要

本发明公开一种基于分水岭-量子进化聚类算法的图像分割方法。其过程为：(1)分块处理输入的待分割图像，求其区域块特征作为聚类数据集；(2)设置种群规模、类别数k及停机条件，随机产生初始量子染色体Q(t)作为初始聚类中心；(3)将Q(t)观测成为二进制染色体p(t)，计算每个染色体的适应度函数值fk，保留当前群体中的个体；(4)对Q(t)进行变异操作得到Qm(t)；(5)量子交叉Qm(t)得到Qc(t)；(6)将Qc(t)观测成为二进制染色体pc(t)，计算每个染色体的适应度函数值fc；(7)选择操作pc(t)，得到子代染色体；(8)判断子代染色体的停机条件，若满足就将子代染色体中亲和度最高的染色体对应的图像类属划分作为输出结果，否则返回过程(3)。本发明具有区域一致性好，边缘保持准确的优点，可用于图像处理领域中的目标识别。

主权项

1.一种基于分水岭-量子进化聚类算法的SAR图像分割方法，包括以下过程：(1)输入待分割的SAR图像，按照分水岭算法对图像进行分块处理；(2)对分块后的SAR图像的每个像素点提取离散小波能量特征，进而求得区域块特征，将该特征作为聚类数据集；(3)设置抗体规模n、类别数k和停机条件，随机产生初始量子染色体Q(t)作为聚类数据集的初始聚类中心，其中的i＝1，2…m和所有的都以等概率初始化，此处的停机条件，是通过两个参数共同控制的，一个是第t代与t+1代染色体中最大适应度值改变量的阈值范围ε，另外一个是第t代与t+1代染色体中最大适应度值连续无改进的次数n；(4)将初始量子染色体Q(t)观测成为二进制染色体p(t)；(5)计算每个观测后的二进制染色体p(t)与聚类数据集的亲和度函数f_k，保留当前种群中的最优个体；(6)将初始量子染色体Q(t)进行量子变异操作，得到量子种群Q_m(t)；(7)将量子种群Q_m(t)进行量子交叉操作，得到新的量子种群Q_c(t)作为新的聚类中心；(8)将新的量子种群Q_c(t)观测成为二进制染色体p_c(t)，计算每个染色体与聚类数据集的适应度函数值f_c；(9)对所述的p_c(t)进行选择操作，得到子代染色体p_c(t+1)，该选择操作采用精英选择策略，即在进化过程中，如果某一代中的最优解的适应度函数值优于当前代最优解的适应度函数值，则当前代最优解就被该最优解所代替，以保证在进化过程中每一代的最优解都不会丢失；(10)判断子代染色体p_c(t+1)是否满足停机条件，如果满足该条件就将子代染色体中亲和度最高的染色体对应的图像类属划分作为输出结果，否则返回过程(4)，循环执行过程(4)～(10)，直到满足停机条件。