[发明专利]一种基于改进的粗糙集聚类算法的卫星图像分割方法

权利要求书

1.一种基于改进的粗糙集聚类算法的卫星图像分割方法，其特征在于，所述基于改进的粗糙集聚类算法的卫星图像分割方法包括：

第一步，初始化，对蚂蚁进行量子编码；

第二步，量子蚁群中的每只蚂蚁进行选择要移动的目标，蚂蚁的移动用量子旋转门实现；

第三步，每只蚂蚁通过信息素路径选择规则选择出一条路径，计算出其对应的的适应度值；

第四步，记录最优解；用量子旋转门进行路径的更新，比较当前的路径和之前的最优解，如果当前路径的最优解比较好，记录当前的最优解；

第五步，更新局部信息素和全局信息素，并用Pauli-Z变异；

第六步，是否满足收敛条件，若不满足跳至第二步；提高当前计算出的最优解计算各个聚类的偏差误差及总体误差，输出聚类个数和聚类中心；

第七步，将上一步得到的聚类中心作为粗糙集FCM方法初始化聚类中，初始化各参数；

第八步，计算粗糙集FCM隶属度；

第九步，输出分割结果。

2.如权利要求1所述的基于改进的粗糙集聚类算法的卫星图像分割方法，其特征在于，所述第二步的量子蚁群中的每只蚂蚁按照公式进行选择要移动的目标，蚂蚁的移动用量子旋转门实现；

q₀∈(0,1)为任意常数，q∈(0,1)为一个随机的数；τ(x_s)、η(x_s)分别为第k只蚂蚁在位置x_r、x_s的信息素浓度、启发式信息。

3.如权利要求1所述的基于改进的粗糙集聚类算法的卫星图像分割方法，其特征在于，所述基于改进的粗糙集聚类算法的卫星图像分割方法的量子蚁群算法首先利用量子位对蚂蚁的位置进行量子编码，然后由量子旋转门来更新蚂蚁的移动位置实现，用量子非门对蚂蚁的进行变异的操作。

4.如权利要求3所述的基于改进的粗糙集聚类算法的卫星图像分割方法，其特征在于，所述量子蚁群算法具体包括：

(1)量子蚂蚁编码，蚂蚁种群为m位，每只蚂蚁有n个量子位，那么P＝(P₁,P₂,...,P_m)，P_i代表概率福；

(2)量子蚂蚁位置的移动目标，蚂蚁通过路径上的信息素浓度和启发信息选择路径，蚂蚁k由位置x_r转移到位置x_s的转移规则为：

q₀∈(0,1)为任意常数，q∈(0,1)为一个随机的数；τ(x_s)、η(x_s)分别为第k只蚂蚁在位置x_r、x_s的信息素浓度、启发式信息；

(3)量子蚂蚁的移动过程，蚂蚁在选择移动的目标后，进入移动更新的过程，是通过量子旋转门来改变其对应的量子相位操作实现的；第k只蚂蚁要从位置x_r转移到位置x_s，那么两个位置的量子位计算求得：

简化写为X_s＝U(θ)X_r，U(θ)称为旋转门；旋转门角度θ＝Δθ×f(α,β)中Δθ为一个关键的参数，如果Δθ过大，算法容易收敛到局部最优，Δθ的值过小，又会使算法收敛时间较长，甚至会处于停滞状态；令Δθ＝-sgn(A)×θ₀×e^-τ，式中θ代表蚂蚁处于非优解的量子位相位，代表蚂蚁处于最优解的量子位的相位，θ₀∈(0.005π,0.05π)为迭代初值，τ代表步数优化；

(4)量子蚂蚁的变异操作，蚂蚁k所在的位置为(cosθ,sinθ)^T，那么下式：

为变异过程；将新的量子门，即Pauli-Z门结合到变异操作当中，实现量子位的转变；Pauli-Z门表示为

经过Pauli-Z门变异后，过程变化为：

角度由θ变化到了2π-θ；

(5)信息素的更新，在完成一次搜索后的蚂蚁，对搜索过路径上进行局部的更新，蚂蚁所处的当前位置是x_r，前一个位置设为x_q，蚂蚁移动后到达的位置设为x_s，则更新的规则可归纳如下：

α∈[0，1]代表信息素系数，β∈[0，1]代表可见度重要程度的系数；当蚂蚁种群完成一次遍历后，就要对信息素进行全局更新，更新公式为：

β∈(0，1)称为信息素挥发系数，而便是当前最优解。

5.一种应用权利要求1～4任意一项所述基于改进的粗糙集聚类算法的卫星图像分割方法的卫星图像处理系统。