[发明专利]基于多智能体遗传聚类算法的图像分割方法

说明书

技术领域

本发明属于图像处理技术领域，涉及图像分割方法，可用于模式识别和计算机视觉等领域。

背景技术

图像分割是后续图像分析和图像理解的基础，在实际中有着非常广泛的应用，例如对图像目标的提取、测量都离不开图像分割，分割的准确性直接影响后续任务的有效性，因此具有十分重要的意义。

图像分割又是一种特殊的图像处理技术，其实质是一个按照像素属性即灰度、纹理、颜色进行分类的过程。

聚类是无监督分类的一种，被广泛地应用于工程、生物、计算机视觉和遥感等领域。聚类是将一组分布未知的数据进行分类，尽可能地使得同一类中的数据具有相同的性质，而不同类的数据其性质各异，其目的是寻找隐藏在数据中的结构。

基于此，许多聚类算法被应用于图像分割领域并取得了较为满意的效果。但由于图像数据的特殊性，并不是所有的聚类算法都能直接应用于图像分割，有的算法需要改进，有的算法根本不适合这个领域。几种常用的聚类技术包括：分层聚类算法，最近邻域聚类算法，模糊聚类算法，人工神经网络聚类算法，遗传聚类算法。其中，经常被用于图像分割的典型的聚类算法是模糊C均值FCM算法。但这种FCM算法的缺点是：对初始值敏感及对噪声数据敏感，容易陷入局部最优。为解决这类问题，许多研究人员提出采用遗传算法与FCM结合，得到了比较满意的结果，例如国内的高新波教授在其著作《模糊聚类分析及其应用》(西安电子科技大学出版社，2004年出版)中曾对此做过大量的研究，但由于传统遗传算法全局进化机理的局限，使得这种遗传算法与FCM结合后的方法GA-FCM仍然具有收敛速度慢和容易陷入局部极值等缺陷，导致图像分割质量的下降和分割效果稳定性的降低。另外，前面所述的FCM以及遗传算法与FCM结合后的方法在分割图像时利用的是图像灰度直方图特征，二者均没有充分的考虑图像像素的空间信息，因此图像分割质量容易受到图像中噪声的影响，不利于后续的图像分析和理解。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于多智能体遗传聚类算法的图像分割方法，以充分考虑图像像素的空间信息，抑制噪声对图像分割的影响，改善了图像分割效果。

为实现上述目的，本发明包括以下步骤：

(1)输入待分割图像，

(2)提取待分割图像的二维灰度信息：

(2a)对待处理的当前像素点(σ₁，σ₂)，选取该点3×3邻域内各点值的中值代替(σ₁，σ₂)，将此均值作为二维灰度信息的第一维；

(2b)对待处理的当前像素点(σ₁，σ₂)，选取该点(5×5)邻域内各点的均值代替(σ₁，σ₂)，将此均值作为二维灰度信息的第二维；

(3)应用多智能体遗传聚类算法对图像二维灰度信息进行聚类：

(3a)确定聚类数目c和模糊权重m，随机初始化聚类原型，每个聚类原型代表一个智能体，确定种群大小，令进化代数t＝0；

(3b)利用如下隶属度公式对隶属度进行更新：