[发明专利]基于非支配邻域免疫算法的多目标模糊聚类图像变化检测方法

权利要求书

1.一种基于非支配邻域免疫算法的多目标模糊聚类图像变化检测方法，其特征在于将非支配邻域免疫算法NNIA应用到包含邻域信息的模糊聚类方法，得到一种多目标聚类分割算法，在噪声免疫和图像细节保留上达到了很好的平衡，本方法实现包括如下步骤：

(1)设置需要设置的参数，所述需要设置的参数包括：终止条件迭代次数T，最大代数Gmax及抗体种群大小Na，变异概率Pm，聚类类别数K，模糊隶属度的加权指数m，t＝0；

(2)读取两时相图像，生成差异图像作为待处理图像；

(3)将差异图像转化为向量形式，作为聚类数据；

(4)采用实数编码，随机产生初始抗体种群，种群表示采用基于中心的表示方法，种群大小为Na×K，每个抗体表示一个聚类中心的组合；

(5)计算像素点和聚类中心间的欧式距离的相似性度量，邻域像素与中心点像素之间的灰度差和欧式空间距离加权同时作为优化目标；

(6)按照各自的优化目标和聚类中心进行隶属度更新；

(7)根据优化目标进行优势抗体群更新，用非支配排序方法对临时种群中的个体进行排序操作获得个体临时的支配面值，从中选择支配面值小的个体；

(8)非支配邻域选择，选择拥挤距离大的抗体组成活性抗体；

(9)对抗体群进行克隆、重组超变异操作，得到抗体群转到(5)；

(10)判断是否达到终止条件，未达到则t+1，否则通过隶属度得到聚类结果，分割差异图，得到关于变化类和非变化类的二值图像，将所得一系列结果输出，由用户从分割结果中选择保留更多细节还是去除更多噪声；

其中步骤(5)所述的计算像素点和聚类中心间的欧式距离，邻域像素与中心点像素之间的灰度差和欧式空间距离加权，作为多目标聚类的优化的目标，以下目标函数均为计算各自最小值；

5a)对于每一个抗体，即对每一组聚类中心，计算每一个像素点x_i和到所有中心点v_k的欧式距离和，目的保持图像细节，达到聚类的紧凑性目标，目标函数如下：

Jm=Σi=1NΣk=1cukim||xi-vk||2]]>

其中，X＝{x₁,x₂,…x_N}为样本数据集，N表示像素点数目，c为聚类的类别数即K，是第k类的聚类中心，表示第i个像素点x_i对第k类的样本隶属度；

5b)邻域像素与中心像素之间的灰度差和空间欧式距离加权和，目的用来消除噪声，目标函数如下：

fm=Σi=1NΣk=1cΣj∈Nii≠j1dij+1(1-uki)m||xj-vk||2]]>

x_i为局部窗口的中心像素，x_j表示局部窗口内中心像素i附近的邻域像素，d_ij是像素i和邻域像素j的空间欧式距离，v_k是第k类的聚类中心，u_kj表示第j个像素x_j第k类的隶属度；

其中步骤(6)所述的按照各自的优化目标和聚类中心进行隶属度更新，

隶属度更新公式如下：

uki=1Σl=1c(||xi-vk||2||xi-vl||2)1/m-1]]>

每个像素点均满足如下约束：

Σk=1cuki=1.]]>