[发明专利]一种遗传模糊聚类图像分割方法

权利要求书

1.一种遗传模糊聚类图像分割方法，其特征在于：该方法包括下述步 骤：

第1步 对原始图像进行抗噪预处理，其过程为：

(1.1)计算原始图像上每个像素与其邻域中各像素的相似度：

设R_i为原始图像上任一像素i的邻域，i表示原始图像上像素的编号， 设j为R_i中像素的编号，i、j均为正整数；定义图像中第i个像素相对其邻 域R_i中的像素j的相似度S_ij为：

Sij=Sg×Sli≠j0i=j]]>

其中，S_g为灰度相似度函数，S_l为邻域相似度函数，其定义分别为：

Sg=exp(2K(xi,xj)-2μ2)]]>

其中，K(xi,xj)=exp(-(xi-xj)2λσi2),]]>σi2=Σj∈Ri(xi-xj)2NRi;]]>x_i、x_j，分别为第 i个和第j个像素的灰度值；为第i个像素的邻域R_i中像素的个数，μ为 相似度下限参数，μ＞0，λ为相似度衰减参数，λ＞0；

Sl=exp(-max(|pj-pi|,|qj-qi|)L)]]>

其中，p_i和q_i为第i个像素的横坐标与纵坐标；p_j和q_j，为第i个像素邻 域R_i中的像素j的横坐标与纵坐标；L为空间控制参数，L＞0；

(1.2)根据每个像素与邻域中像素的相似度S_ij的值，计算抗噪后的新 图像中第i个像素抗噪后的灰度值ψ_i，获得抗噪后的新图像；

ψi=Σj∈RiSijxjΣj∈RiSij]]>

第2步利用遗传模糊聚类算法，获得抗噪后的新图像的初步最优的 聚类中心，其过程为：

(2.1)初始化第一代种群：

由用户设定种群大小，记为Q；聚类中心个数即用户原始图像分割目 标的个数，记为N_c，Q和N_c均为整数，随机赋给种群中每个个体N_c个聚类 中心初始值；

(2.2)计算第一代种群中每个个体的适应度函数值F，

F=αβ+JP(x,c)]]>

其中，α和β均为调节参数，α＞0，β＞0，J_P(x，c)为带聚类中心间 距惩罚的目标函数，x表示图像阵列，c表示聚类中心向量，J_P(x，c)表达式 为，

J_P(x，c)＝P(c)×J(x，c)

J(x,c)=Σi=1nΣk=1Ncuikm(xi-ck)2]]>

其中，n为原始图像的像素总个数，k为正整数，表示聚类中心的序号， k₁、k₂为正整数，用以表示不同聚类中心的序号，c_k为第k个聚类中心的值， u_ik为第i个像素相对于第k个聚类中心的隶属度，m表示遗传模糊聚类算 法的模糊程度，m取值大于1，MinD为各聚类中心距离的最小值的预测值， 此值小于区域间灰度差的估计值，w为惩罚力度，

uik=(xi-ck)-2m-1Στ=1Nc[(xi-cτ)2]-1m-1]]>

w=JpmaxJpmin(1-exp(min1≤k1≤Nc1≤k2≤Nck1≠k2{|ck1-ck2|}-MinD))]]>

τ为正整数，表示聚类中心的序号；J_pmax与J_pmin为遗传模糊聚类算法 上代种群所有个体中的最大目标函数值与最小目标函数值；第一代种群不 进行惩罚操作，即在第一代种群的计算中，w＝0；

(2.3)利用遗传操作获得下一代种群；

(2.4)利用步骤(2.2)的方法计算当代种群中每个个体的适应度函数 值；

(2.5)判断种群是否稳定，如果是，进入步骤(2.6)，否则重复步骤 (2.3)和(2.4)，直至获得稳定的种群；

(2.6)获取种群中的最优个体作为初步最优聚类中心，其中，适应度 函数值越大，认为该个体越优；适应度函数值最大的个体被认为初步最优 个体；

第3步根据直方图修正第2步获得的初步最优聚类中心，并获取分 割结果，其过程为：

(3.1)统计抗噪后的新图像的灰度值分布，获得抗噪后的新图像的灰 度直方图；在第2步获得的初步最优聚类中心的Mind/2邻域内搜索直方图 最大峰值，并以此作为修正后的最优聚类中心；

(3.2)计算抗噪后的新图像中每个像素对各个聚类中心的隶属度，像 素被判定属于隶属度最大的类别，获得最终的分割结果。