主权项 |
1.一种基于规范切的邻域学习文化基因图像分割方法,包括如下步骤:(1)对一幅输入图像进行基于图像像素的二维随机0/1编码,形成初始种群中的个体;<img file="FDA0000055198520000011.GIF" wi="1208" he="178" />其中,i和j表示输入图像中的任意一个像素点,w<sub>i,j</sub>表示像素点i和像素点j之间的权值,F<sub>i</sub>和F<sub>j</sub>分别是像素点i和像素点j的灰度值,X<sub>i</sub>和X<sub>j</sub>分别是像素点i和像素点j在输入图像中的空间位置;(3)将所有像素点相互之间的权值w<sub>i,j</sub>构成一个输入图像的权值矩阵D:D=(w<sub>1,1</sub>,w<sub>1,2</sub>,……,w<sub>1,M</sub> w<sub>2,1</sub>,w<sub>2,2</sub>,……,w<sub>2,M</sub> ……,……,…… w<sub>N,1</sub>,w<sub>N,2</sub>,……,w<sub>N,M</sub>)其中,N是输入图像的像素行数,M是输入图像的像素列数;(4)根据权值矩阵,计算初始种群中个体的规范切目标函数:<maths num="0001"><![CDATA[<math><mrow><mi>Ncut</mi><mrow><mo>(</mo><mi>A</mi><mo>,</mo><mi>B</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><mi>cut</mi><mrow><mo>(</mo><mi>A</mi><mo>,</mo><mi>B</mi><mo>)</mo></mrow></mrow><mrow><mi>assoc</mi><mrow><mo>(</mo><mi>A</mi><mo>,</mo><mi>V</mi><mo>)</mo></mrow></mrow></mfrac><mo>+</mo><mfrac><mrow><mi>cut</mi><mrow><mo>(</mo><mi>A</mi><mo>,</mo><mi>B</mi><mo>)</mo></mrow></mrow><mrow><mi>assoc</mi><mrow><mo>(</mo><mi>B</mi><mo>,</mo><mi>V</mi><mo>)</mo></mrow></mrow></mfrac></mrow></math>]]></maths>其中,V是一幅图像的像素点总集合,A为像素点集V下的目标点集,B为像素点集V下的背景点集,Ncut(A,B)是目标点集A和背景点集B之间的规范切目标函数,cut(A,B)是目标点集A中所有像素点到背景点集B中所有像素点的权值和:<maths num="0002"><![CDATA[<math><mrow><mi>cut</mi><mrow><mo>(</mo><mi>A</mi><mo>,</mo><mi>B</mi><mo>)</mo></mrow><mo>=</mo><munder><mi>Σ</mi><mrow><mi>i</mi><mo>∈</mo><mi>A</mi><mo>,</mo><mi>j</mi><mo>∈</mo><mi>B</mi></mrow></munder><msub><mi>w</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub></mrow></math>]]></maths>assoc(A,V)是目标点集A中所有像素点到像素点集V中所有像素点的权值和:<maths num="0003"><![CDATA[<math><mrow><mi>assoc</mi><mrow><mo>(</mo><mi>A</mi><mo>,</mo><mi>V</mi><mo>)</mo></mrow><mo>=</mo><munder><mi>Σ</mi><mrow><mi>i</mi><mo>∈</mo><mi>A</mi><mo>,</mo><mi>j</mi><mo>∈</mo><mi>V</mi></mrow></munder><msub><mi>w</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub></mrow></math>]]></maths>assoc(B,V)是背景点集B中所有像素点到像素点集V中所有像素点的权值和:<maths num="0004"><![CDATA[<math><mrow><mi>assoc</mi><mrow><mo>(</mo><mi>B</mi><mo>,</mo><mi>V</mi><mo>)</mo></mrow><mo>=</mo><munder><mi>Σ</mi><mrow><mi>i</mi><mo>∈</mo><mi>B</mi><mo>,</mo><mi>j</mi><mo>∈</mo><mi>V</mi></mrow></munder><msub><mi>w</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub><mo>;</mo></mrow></math>]]></maths>(5)根据初始种群中个体的规范切目标函数,初始化种群的最优解和对应最优解的最优图像分割结果;(6)初始化最大进化代数,克隆规模和种群规模;(7)根据克隆规模q,将当前种群中的每个个体都克隆为q个;(8)对克隆后种群中的所有个体执行变异操作,每个个体的变异概率为1,个体中每个像素点的变异概率随着进化代数而变化,计算公式如下:pm=1-0.01×it/gen其中,pm是变异概率,it是当前进化代数,gen是最大进化代数;(9)对变异后种群中的所有个体执行邻域学习操作:如果个体中每个中心像素点上下左右四个邻域像素点属于同一类,则中心像素点强制标记为这个相同的类别,否则,中心像素点以概率0.5进行反转变异;(10)利用步骤(4)中的规范切目标函数公式,计算邻域学习后种群中所有个体的规范切目标函数值;(11)根据规范切目标函数值对邻域学习后的种群进行克隆选择,更新克隆选择后种群的最优解和对应最优解的最优图像分割结果,如果当前进化代数大于初始化中的最大进化代数,就输出最优个体对应的图像分割结果,否则,返回步骤(7)。 |