[发明专利]一种基于切比雪夫距离的半监督多目标聚类图像分割方法

说明书

一种基于切比雪夫距离的半监督多目标聚类图像分割方法，标记数据样本点，然后计算标记数据样本点的相应类均值，并对彩色图像数据进行基于切比雪夫距离的半监督多目标进化聚类，利用闵可夫斯基得分指标从得到的近似帕累托最优的非支配解集中选择一个最优个体；根据最优个体对彩色图像中的像素进行类别划分，得到图像的最终分割结果。该方法可以同时对不同的聚类准则函数进行优化，且使本发明不易陷入局部最优。使用闵可夫斯基得分指标根据监督信息从最终得到的非支配解集中选取合适的最优个体，继而得到较为理想的图像分割效果，使目标可以较完整的分割出来。本发明能够有效地利用监督信息获得较理想的图像分割结果且算法实现简单。

技术领域

本发明属于图像处理领域，具体涉及一种基于切比雪夫距离的半监督多目标聚类图像分割方法。

背景技术

图像分割是图像处理、模式识别和计算机视觉领域中的一个重要的研究内容，它根据图像的颜色、纹理、灰度等将图像分成若干特定的、具有独特性质的区域并将有意义的目标提取出来的技术和过程。图像分割结果的好坏直接影响后续特征的提取、图像的识别、理解以及视觉系统的性能等。虽然至今已有大量各种类型的分割算法被相继提出，但是由于图像信息的复杂性和相关性,要想将目标从图像的背景信息中完整的分割出来还是非常不易的。

半监督聚类是利用少量标记样本信息指导聚类过程，以提高聚类的性能。与聚类方法相似，半监督聚类方法常常是单目标的聚类准则函数方法，并且通过使用一个距离函数来衡量数据之间的相似程度。因此，距离函数不同，方法就不同，所得的聚类效果也就不同。然而，就半监督聚类图像分割方法而言，如何根据少量有效监督信息利用合适的距离测度函数来得到较理想的图像分割效果是一个值得解决的问题。另外，在图像分割的实际应用中，根据人们的不同需求或不同的应用环境，有时为了得到好的图像分割效果，从多个角度来考虑图像分割问题是十分必要的。

发明内容

为克服现有技术存在的缺陷，本发明的目的在于提供一种基于切比雪夫距离的半监督多目标聚类图像分割方法，该方法能够得到较好的分割结果，并且简单，易于实现。

为了实现上述目的，本发明采用的技术方案如下：

一种基于切比雪夫距离的半监督多目标聚类图像分割方法，包括以下步骤：

步骤1：输入待分割的彩色图像；

步骤2：设置基于切比雪夫距离的半监督多目标聚类的参数；

步骤3：标记数据样本点；

步骤4：计算步骤3中标记数据样本点的相应类均值，并对彩色图像数据进行基于切比雪夫距离的半监督多目标进化聚类，得到一个近似帕累托最优的非支配解集；采用闵可夫斯基得分指标从得到的近似帕累托最优的非支配解集中选择一个最优个体；

步骤5：根据最优个体对彩色图像中的像素进行类别划分，得到图像的最终分割结果。

本发明进一步的改进在于，步骤2中基于切比雪夫距离的半监督多目标聚类的参数设置为：聚类数目为C，种群规模为50，代数为60，交叉概率为0.9，变异概率为0.1。

本发明进一步的改进在于，步骤3中标记数据样本点的具体方法为：在输入的待分割彩色图像上划线取点，在离群点和正常数据点都存在的地方划线标记，每一道线代表一类，划线的条数M不大于C。

本发明进一步的改进在于，步骤4中对输入的待分割的彩色图像数据进行基于切比雪夫距离的半监督多目标进化聚类，得到一个近似帕累托最优的非支配解集的具体过程如下：

4a)染色体表示与种群初始化：对各个聚类中心进行实数编码，每个染色体是由C个3维的聚类中心组成，其中染色体的前M个聚类中心是由步骤3得到数据样本点的相应类均值与0～1之间的随机数相加得到，当M小于C时，剩下的C-M个聚类中心则从输入的图像数据集中随机选取，此时代数计数器G＝1；