[发明专利]一种基于动态多目标优化的图像分割方法及系统

说明书

技术领域

本发明涉及图像处理技术，尤其涉及一种基于动态多目标优化的图像分割方法及系统。

背景技术

物联网在安防领域的应用已受众瞩目，并在相关技术上取得了阶段性成果，其中对小区中视频图像中运动物体的识别成为其研究热点之一。运动目标的识别问题可采用数字图像处理技术实现图像的识别，或者通过多目标优化结合图像处理方法进行优化处理，以获取最优的结果。

目前，算法策略从不同角度通过聚类技术实现图像的分割的目的，虽提及多目标技术的使用，但没有多目标优化中使用动态因子实现动态环境约束下的识别应用，也没有结合运动目标识别的实际环境进行分析研究。一般利用单目标或多目标优化方法对图像进行分割，对于静止状态环境下可达到一定的精准度，但当环境变化或对于运动物体的情况，其不能有效适应动态变化，导致对动态图像进行分割和识别的误差或错误。

本发明结合聚类算法及动态多目标优化粒子群方法对确定的背景下运动物体进行图像聚类及分割，运用粒子群算法及现有图像分割算法，获取Pareto最优解集，以实现连续运动物体的精准识别，从而提升小区安防的高效性和智能性。

发明内容

本发明的目的在于提供一种基于动态多目标优化的图像分割方法及系统，高效、准确地对动态图像进行分割，识别环境变化或运动物体的情况。

为实现上述目的，本发明提供的基于动态多目标优化的图像分割方法，包括以下步骤：

1)利用K-Means算法和FuzzyC-means算法构建多目标函数；

2)使用背景差分法定义环境变化规则；

3)构建自适应惯性动态因子；

4)对适时变异因子优化；

5)基于所述自适应惯性动态因子和所述适时变异因子，动态多目标优化粒子群方法对多目标函数进行优化。

进一步地，所述步骤1)利用K-Means算法和FuzzyC-means算法构建多目标函数，根据如下公式，

minx∈D(t)⊆Rd(t)f(x,t)=f1(x,t)=Σn-1NΣk-kKRnk||xn-μk||2f2(x,t)=Σi=1NΣj=1Cuijm||xi-cj||2]]>