[发明专利]基于免疫克隆量子聚类的SAR图像分割方法

摘要

本发明公开了一种基于免疫克隆量子聚类的SAR图像分割方法，它涉及图像处理技术领域，主要解决已有量子聚类技术在大规模数据集上应用的局限性问题。其实现过程是：1)对待分割的SAR图像提取特征；2)进行抗体种群初始化和抗体编码；3)根据量子力学特性计算抗体亲合度，并划分抗体种群为精英种群和普通种群；4)对精英种群和普通种群分别设计不同的免疫克隆优化操作算子，依次进行克隆操作、基于正态云模型的自适应变异操作、均匀超变异操作、克隆选择操作和超立方体交叉操作；5)输出SAR图像分割结果。本发明迭代优化速度快、稳定性高，能够有效地对包含大规模数据量的SAR图像进行分割，适用于SAR图像目标检测和目标识别。

主权项

1.一种基于免疫克隆量子聚类的SAR图像分割方法，包括以下步骤：(1)对待分割的大小为256×256的SAR图像分别提取其灰度共生矩阵、小波变换和Contourlet变换特征，将提取出的所有N＝35维特征向量按列组合起来，得到65536×35的输入数据样本；(2)从输入数据样本中随机选取k个样本作为初始抗体种群，k为SAR图像分割的类别数；(3)对初始抗体种群进行编码，每个抗体长度为N×k，其中，第一个长度为N的字段表示第一个聚类中心，第二个长度为N的字段表示第二个聚类中心，依此类推；(4)对编码后的抗体按照如下步骤计算亲合度值：4a)定义两个样本点x_i和x_j之间的距离函数D_ij＝||x_i-x_j||，求解薛定谔方程得到势能函数V的计算公式为：V=E-d2+12σ2ΣjDij2exp(-Dij22σ2)Σjexp(-Dij22σ2)]]>其中，H为哈密顿算子，E为哈密顿算子的能量特征值，d为数据集的特征维数，x为数据样本点，σ为尺度参数，为拉普拉斯算子；4b)根据计算出的势能函数值的极小点确定K个聚类中心{c_i，i＝1，...K}，并根据样本点与各个聚类中心欧氏距离最近原则获得各类的划分集合O_i，n_i为O_i中样本点的个数，对每个集合O_i中的所有样本点求平均值，得到新的聚类中心为：ci*=1niΣxj∈Oixj,]]>i＝1，...，K j＝1，...，n根据计算出的新的聚类中心c_i^*，得到亲合度函数计算公式为：f=1/(1+Σi=1KΣxj∈Oi||xj-ci*||)]]>其中，||·||为求取欧氏距离的运算符；(5)计算出抗体种群中所有抗体的亲合度值后，将它们由高到低排序，取前面的p·M个抗体作为精英种群，剩余部分作为普通种群，其中，p为设定的比例值，M为种群大小；(6)对精英种群按照与亲合度值成正比的克隆规模进行克隆操作，对普通种群按照设定的克隆规模进行克隆操作；(7)克隆操作后，对精英种群进行基于正态云模型的自适应变异操作，对普通种群进行变异概率为1的满足均匀分布的随机超变异操作；(8)从经过克隆操作和变异操作后的抗体子种群中按照概率选择优秀的抗体形成新的精英种群和普通种群，该新的精英种群的亲合度最高值为fbest1，新的普通种群的亲合度最高值为fbest2；(9)将新的精英种群的亲合度最高值与新的普通种群的亲合度最高值进行比较，如果fbest1≥fbest2，就将精英种群的抗体与普通种群亲合度最低的p·M个抗体进行超立方体交叉；如果fbest1＜fbest2，就将普通种群亲合度最高的p·M个抗体与精英种群抗体进行超立方体交叉；(10)经过交叉操作后，返回步骤(4)重新进行迭代优化，重复进行N_max次；(11)将经过N_max次迭代最后得到的精英种群的亲合度最高值fbest1与普通种群的亲合度最高值fbest2再进行比较，用比较后的较大值所对应的抗体代表最终的聚类中心，并根据该聚类中心将SAR图像的每个像素点划分到不同的类别中，得到最终的分割结果。