[发明专利]一种基于改进遗传算法和K-均值算法的图像分割方法

权利要求书

1.一种基于改进遗传算法和K-均值算法的图像分割方法，其特征在于：将图像进行去噪处理和转换颜色空间，利用改进的遗传算法搜索全局的最优解；再利用K-均值算法进行局部寻优，以得到的最优解作为K-均值算法初始聚类中心，实现对图像的更快收敛速度和更高分割精度的图像分割。

2.根据权利要求1所述一种基于改进遗传算法和K-均值算法的图像分割方法，其特征在于，所述的改进的遗传算法搜索全局的最优解，具体包括以下步骤：

(1)编码和种群划分：将种群进行编码并将整个种群分为双种群。

(2)选择：分别挑选两个种群中更加优秀的个体，再将优秀个体的优秀特性通过遗传和在交配的方式留给下一代个体。

(3)交叉：使用单点交叉，保证种群1的交叉位数大于种群2的交叉位数。

(4)变异：对两个种群分别设定不同的变异概率S₁和S₂，并保证S₁的值大于S₂。

(5)变异接受判断：根据模拟退火算法中的Metropolis准则进行判断是否接受变异产生的个体。

(6)适应度函数判断：根据适应度函数H()对种群个体进行判断，将适应度更好的的个体保留下来。

(7)交换个体：将不同种群得到的最优个体进行交换。

(8)算法终止判断：两个种群最优个体与目标函数最优解之间是否满足求解的精度，若不满足则转到步骤(2)；否则，算法终止，返回当前最优解。

3.根据权利要求1所述一种基于改进遗传算法和K-均值算法的图像分割方法，其特征在于，所述的再利用K-均值算法进行局部寻优，以得到的最优解作为K-均值算法初始聚类中心，具体包括以下步骤：

(1)聚类中心的确定：将改进的遗传算法所得到的全局最优解作为初始K-均值聚类中心。

(2)更新聚类中心：采用欧氏距离计算样本与各聚类中心之间的距离，将样本归入到与它最近的聚类中心中，再更新各个聚类的聚类中心。

(3)算法终止判定条件：若上一次的聚类中心和新的聚类中心不等，返回步骤2；若相等，则算法终止，返回最优解，实现图像分割。