[发明专利]基于分水岭-量子进化聚类算法的图像分割方法

权利要求书

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。

2.根据权利要求1所述的图像分割方法，其中过程(1)所说的按照分水岭算法对 待分割图像进行分块处理，具体过程如下：

2a)将待分割图像通过开形态重建滤波器简化；

2b)计算简化后图像的形态梯度图像；

2c)计算梯度图像的浮点活动图像；

2d)将浮点活动图像输入分水岭算法产生过分割结果。

3.根据权利要求1所述的图像分割方法，其中过程(2)所说的求得区域块特征，是 先求得待分割SAR图像的离散小波能量的纹理特征，然后将图像分块后所得到的所有不 规则块的纹理特征的均值作为该不规则块的特征。

4.根据权利要求1所述的图像分割方法，其中过程(3)所说的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，其过程是用一对复数定义一个量子比特位， 该量子比特位的状态取0或1，其状态表示为：|Ψ>＝α|0>+β|1>，其中α，β为代表相应状 态出现概率的两个复数，量子比特处于状态0和状态1的概率分别是|α|²，|β|²,并且 |α_i|²+|β_i|²＝1，i＝1，2，…，m。

5.根据权利要求1所述的图像分割方法，其中过程(6)所说的将初始量子染色体 Q(t)进行变异操作，是通过量子门变换矩阵实现量子染色体各个状态间的转移，并将 此应用到SAR图像分割上。

6.根据权利要求1所述的SAR图像分割方法，其中过程(7)所涉及的量子种群Q_m(t) 进行量子交叉操作，是通过使用量子的相干特性构造全干扰交叉操作，该操作采用对角 线交叉的方式，使得种群中的所有染色体均参与交叉。

7.根据权利要求1所述的图像分割方法，其中过程(10)所说的判断子代染色体 p(t+1)是否满足停机条件，是判断第t代与t+1代染色体中最大适应度值之差是否大于 已设定的阈值范围ε，如果不大于已设定的阈值范围，就称为最佳适应度改变量1次不 变；如此反复迭代，直到满足n次不大于已设定的阈值范围，就将该子代染色体中亲和 度最高的染色体对应的图像类属划分作为输出结果。