[发明专利]基于Arnold变换的混沌遗传BP神经网络图像分割方法

权利要求书

1.基于Arnold变换的混沌遗传BP神经网络图像分割方法，其特征在于，该方法包括如下步骤：

1)建立BP神经网络；2)根据混沌遗传算法求出的最优解得到BP神经网络初始权值和初始阈值；3)把初始阈值和初始权值带入BP神经网络中，输入数据进行训练，通过每次训练得到的误差更新BP神经网络的权值和阈值，经过反复迭代得到训练好的BP神经网络；4)利用训练好的BP神经网络进行图像分割：读取待分割图像，得到二维像素矩阵，将二维像素矩阵转化为一维数组，得到BP神经网络的输入向量，用训练好的BP神经网络对一维向量进行分类，神经网络的输出向量即为分类结果，每个待分类的样本对应图像中的每个像素，经过BP神经网络后得到对应的输出值，如果输出值大于0.5，则分类为前景，否则分类为背景；

所述根据混沌遗传算法求出的最优解得到BP神经网络初始权值和初始阈值的具体过程为：

①初始化种群：以混沌映射的方法产生种群p，将种群p分为初始种群x和待优化种群y；初始种群x的个体个数小于待优化种群y的个体个数；

②根据BP神经网络的实际输出像素值和期望值的误差计算初始种群x中的个体适应度值；其中，将初始种群x中的个体适应度值后设定个数的个体替换为待优化种群y中的个体，并计算替换后个体的适应度值；

③根据计算出的个体适应度值，对初始种群x中个体进行选择、交叉及混沌变异操作直至达到最大进化次数或种群中个体最大适应度值不再发生变化，算法终止；

在进行混沌变异操作时先进行自适应变异，然后通过计算个体适应度值选择适应度前预设个数的个体保留，对其余个体进行混沌操作，自适应变异操作中的变异概率随进化代数m而变化，变异概率为：

所述对其余个体进行混沌操作的过程为：

Step1：运用公式将待变异的第i个个体的第j个基因X_ij映射到[0,1]区间得到混沌变量X’_ij；其中，i表示种群中第i个个体，X_ij表示待变异的个体i的第j个基因，X_max、X_min分别为基因的上、下限；

Step2：用Arnold变换将X’_ij经混沌映射后得到X”_ij；

Step3：用如下公式将混沌变量映射到要优化变量的范围，得到新的个体基因X_ij’：

X_ij'＝X_max+(X_min-X_max)×X”_ij，其中，i＝1,2,...,N,j＝1,2,...,S，N为种群规模，S为染色体编码的长度；

Step4：计算基因X’_ij和X_ij’的适应度，若f(X’_ij)f(X_ij’)，即变异后的个体具有更高的适应度值，把变异后的个体加入当前种群，否则保留原个体。

2.根据权利要求1所述的基于Arnold变换的混沌遗传BP神经网络图像分割方法，其特征在于，所述个体适应度值的计算公式为：

其中，f(i)为个体适应度值，y_pi^(Q)和d_pi分别为BP神经网络的实际输出和期望输出，E(i)为整个样本的全局误差，P为试验选取的样本组数，p表示样本组数中的第p组样本，nq为包含Q层的BP神经网络中第q层的神经元数，q＝1,2,3,…,Q。

3.根据权利要求1-2任一项所述的基于Arnold变换的混沌遗传BP神经网络图像分割方法，其特征在于，所述交叉操作中的交叉概率为：

其中，Pc₁为最大交叉率，Pc₂为最小交叉率，f_max为每一代种群的最大适应度值，f_a为每一代种群的平均适应度值，f为要变异个体的适应度值，f'为参与交叉的两个个体中较大的适应度值。

4.根据权利要求1所述的基于Arnold变换的混沌遗传BP神经网络图像分割方法，其特征在于，步骤②中所述设定个数为初始种群x中个体总数的20％。

5.根据权利要求1所述的基于Arnold变换的混沌遗传BP神经网络图像分割方法，其特征在于，所述预设个数为自适应变异的个体总数的10％。