[发明专利]基于免疫稀疏谱聚类的图像分割方法

摘要

本发明公开了一种基于免疫稀疏谱聚类的图像分割方法，主要解决谱聚类方法稳定性差和复杂度高的问题。其实现过程是：(1)对待分割图像提取特征；(2)对特征数据进行归一化以去除数据间量级影响；(3)对归一化后的特征数据，进行实属编码；(4)对编码后的数据，随机生成初始种群并进行亲和度计算；(5)根据抗体的亲和度大小进行克隆；(6)对克隆后的抗体种群进行高斯变异并选出亲和度最高的抗体作为下一轮的输入；(7)迭代设定的最大迭代次数，得到最终选出的样本子集；(8)对选出的样本子集进行贪婪谱降维，并对降维后的数据聚类，输出最终的图像分割结果。本发明与现有的技术相比具有不需要先验知识，准确度高，计算复杂度低的优点，可用于目标检测和目标识别。

主权项

1、一种基于免疫稀疏谱聚类的图像分割方法，包括如下步骤：(1)使用灰度共生矩阵对所待分割的图像进行特征提取；(2)将所得的特征数据归一化到[0，1]之间，以去除数据间量级的影响；(3)对归一化后的特征数据，使用免疫克隆选择方法选出具有代表性的样本子集：3a)对归一化后的数据采用实数编码方式进行编码；3b)随机生成初始种群A(k)＝(A₁，A₂，…，A_m)，其中k表示迭代的次数，初始化为0，A_i＝(v₁，v₂，...v_n)，i＝1，2，...，n，v_i是要选出的样本点，m是种群大小，n是选取个数，；3c)对所生成的初始种群，按照下式计算每个抗体的亲和度：f(A_i)＝s(A_i)×d(A_i)其中，S(Ai)={Σi=1n(vi-v‾)2/n}1/2]]>d(Ai)=Σi=1nΣj=1n||rij||]]>v是所有选出样本的均值，||r_ij||是样本点v_i，v_j之间的欧氏距离；3d)根据求得的亲和度按照下式计算每个抗体克隆的个数：qi=Int{nc×f(Ai)Σj=1nf(Aj)},]]>i＝1，2，...n其中，Int(x)表示大于x的最小整数，n_c是设定的克隆规模；克隆后的每个抗体变为i＝1，2，…m，整个种群变为Y(k)＝{A′₁(k)，A′₂(k)，…，A′_m(k)}；3e)先随机确定t个变异位置，其中然后在变异概率p_mⁱ下对变异位置的抗体进行高斯变异，比较变异后每个种群的抗体亲和度，并将每个种群亲和度最大的抗体取出，组成下一轮的初始值A(k+1)；3f)判断最大亲和度是否在连续三次迭代中有提高，如果没有提高，则从总样本中随机生成60％新的样本子集，取代种群中亲和度小的抗体，如果有提高，就不进行操作；3g)对原迭代次数k重新赋值为k′，其中k′＝k+1，并判断k′是否超过设定的最大迭代次数T，如果超过T，则输出亲和度最高的抗体作为最终选出的样本子集，如果没超过T，返回步骤3c)；(4)用贪婪谱嵌入方法对选出的样本子集进行降维；(5)对降维后的数据进行k-means聚类，该聚类为图像的最终分割结果。