[发明专利]一种基于遗传规划算法的图形图像分类方法

说明书

技术领域

本发明涉及图像处理技术领域，具体是一种基于遗传规划算法的图形图像分类方法，能够应用于对数字图像的分类。

背景技术

人类接收的信息中有80％来自视觉或图像信息，有图像、图形、动画、视频、文本数据等。这是最有效和最重要的信息获取和交流方式。随着计算机的普及，人们越来越多地利用计算机来帮助人类获取与处理图像信息。图像处理、图像分析和图像理解，这三个层次的有机结合称为图像工程。

图像分类有基于内容的图像分类与基于文本的图像分类之分，基于文本的图像分类技术，将每幅图像加上相关标签，分类时，只需根据标签内容的匹配，输出标签对应的图像，属于人工干预较多的分类方式。然而随着时代的发展，无法完成对所有图像数据标注标签信息，因此，基于文本的图像分类有其自身的局限性。基于内容的图像分类是将图像本身的信息作为分类内容，根据图像像素间的内在联系，即可完成分类任务，人工干预大大降低，因此成为许多领域的一项重要技术。

基于内容的图像分类技术，在建立图像数据库时，系统对输入的图像进行分析并分类统一建模，然后根据各种图像模型提取图像特征存入特征库，而用户在通过用户接口设置查询条件时，可以采用一种或几种的特征组合来表示，然后系统采用相似性匹配算法计算关键图像特征与特征库中图像特征的相似度，然后按照相似度从大到小的顺序将匹配图像反馈给用户。在此过程中分类系统会根据不同的特征采用不同的匹配算法，不同的特征匹配算法大不相同，匹配算法需经过精心设计才能达到较好的结果。

发明内容

本发明的目的在于克服已有技术的不足，提出一种基于遗传规划算法的图形图像分类方法，通过该方法提高图形图像的分类效果。

为此，本发明提供了一种基于遗传规划算法的图形图像分类方法，包括如下步骤：

(1)根据图像库中的图像，随机挑选出总数的50％组成训练集图像，其中每类图像幅数均等于该类在图像库中总数的半数；

(2)设定第一阶段的操作符集终止符集交叉概率变异概率种群规模变异步长因子step，迭代次数gen₁；第二阶段的操作符集终止符集变异概率交叉概率迭代次数gen₂、种群规模

(3)采用“组合矩”方法提取训练集图像的特征；

(4)依据操作符集终止符集初始化个个体的种群pop₁，计算每个个体的适应度；

(5)依据适应度大小评价个体优劣：适应度高的个体视为优胜个体；采用锦标赛策略选择种群pop₁中个个体；对优胜个体组成的种群进行交叉变异操作；

(6)对交叉变异后的个体进行局部搜索，设定较小的变异步长s^'，根据此步长对种群进行较密集的变异操作；

(7)对局部搜索后的种群个体进行适应度评估，若种群中最大适应度大于0.85或迭代次数达到gen时，则执行步骤(8)，否则，执行步骤(5)；

(8)从迭代终止的种群中选择适应度最高的个体，即为最优个体；解码最优个体表达式树，获得新特征；

(9)依据操作符集终止符集和新特征，初始化个个体的种群pop₂，对个体评估适应度；

(10)根据评估结果优选种群pop₂，获得优选种群交叉概率对进行交叉，变异操作；

(11)对交叉变异后的个体进行适应度评估。若迭代次数少于gen_N时，则返回执行步骤(10)；否则按照适应度最大原则选出现有种群中的最优个体，输出最优个体的解码结果，获得匹配函数，据此函数得到图像匹配模型。

上述的步骤(3)中所说的组合矩方法，按照如下步骤完成：

1)用canny边缘检测算法获取图像边缘；