基于流形距离的人工免疫无监督图像分类方法

摘要

本发明公开一种基于流形距离的人工免疫无监督图像分类方法，它涉及图像处理技术领域，其具体过程为：(1)输入待分类图像，设置初始化参数，产生初始抗体群；(2)基于流行距离，对待分类图像样本点进行类属划分，计算抗体群的亲合度；(3)对抗体群进行克隆增殖操作；(4)对克隆增殖后的抗体群进行克隆变异操作；(5)根据克隆变异后的抗体群编码对待分类图像进行类属划分，计算抗体群亲合度；(6)根据抗体亲和度对抗体群进行克隆选择操作；(7)按照设置的最大迭代次数，对待分类图像的类属划分结果进行停止条件判断，并确定最终分类结果。本发明具有对图像数据结构敏感度低、无间督执行、分类效果好以及鲁棒性强的优点，可用于图像处理领域中的目标识别。

主权项

1.一种基于流形距离的人工免疫无监督图像分类方法，包括以下过程：(1)输入待分类图像，按照人工免疫系统方法设置抗体群规模n、变异概率p_m、克隆规模n_c、类别数K，设定最大迭代次数kmax为停止条件，抗体编码采用从图像数据集中选择K个典型数据样本，用其序号来分别代表纹理图像的K个类别，同时随机生成初始抗体群B(k)＝{b₁(k)，b₂(k)，…，b_n(k)}，设置当代迭代次数标记k＝0；(2)依据所生成的初始抗体群B(k)，对纹理图像中未分类的样本点依据其与典型样本点的流行距离测度进行类属划分，并根据划分的类属计算抗体群中抗体的亲和度f(C)，其中，C表示抗体对应的类属划分集合；(3)对抗体群B(k)＝{b₁(k)，b₂(k)，…，b_n(k)}进行克隆增殖操作，即按照亲和度大小对抗体群进行克隆增殖操作T_c^C，获得一组新的抗体群$Y\left(k\right)=T_c^C\left(B\left(k\right)\right);$(4)对克隆增殖后的抗体群Y(k)进行克隆变异操作，是指依据概率p_m对抗体群进行基因值改变操作$Z\left(k\right)=T_m^C\left(Y\left(k\right)\right);$(5)根据克隆变异后的抗体群Z(k)重新对图像中的样本点进行类属划分，同时计算抗体群中抗体的亲合度；(6)依据第(5)步获得的抗体群的亲和度，对克隆变异后的抗体群Z(k)进行克隆选择操作，即从抗体群Z(k)中按照亲和度大小选择n个亲和度最高的抗体组成下一代种群$B(k+1)=T_s^C(Z\left(k\right)\cup B\left(k\right)),$当代迭代次数标记k增加1代；(7)判断迭代次数k是否等于设置的最大迭代次数kmax：如果满足该条件就将抗体群中亲和度最高的抗体对应的图像类属划分作为输出结果，否则返回过程(3)，循环执行过程(3)～(7)，直到满足停止条件。