[发明专利]基于量子多目标聚类的遥感图像分割方法

摘要

一种基于量子多目标聚类的遥感图像分割方法，主要解决现有图像分割技术中评价指标单一、计算复杂度高、分割效果不好的问题。其实现步骤为：(1)输入待分割遥感图像；(2)提取待分割图像特征；(3)产生聚类数据；(4)随机产生初始量子种群，完成初始化；(5)获得二进制种群；(6)计算个体适应度值；(7)非支配排序选择；(8)进化种群；(9)判断是否满足终止条件；(10)分配类别标号；(11)产生最优个体；(12)输出分割图像。本发明提取图像每个像素的特征，通过量子计算与多目标优化结合的聚类方法实现遥感图像分割，具有分割精度高、边缘定位准确的优点，可用于对复杂图像的分割。

主权项

一种基于量子多目标聚类的遥感图像分割方法，包括以下步骤：(1)输入待分割遥感图像(2)提取待分割图像特征2a)利用小波分解方法获取小波特征向量；2b)利用灰度共生矩阵方法提取纹理特征向量；2c)用小波特征向量和纹理特征向量表示待分割图像的每一个像素点；(3)产生聚类数据3a)用待分割图像的膨胀变换减去其腐蚀变换，得到形态梯度图像；3b)计算形态梯度图像与自身的点积，得到反映图像边缘的浮点活动图像；3c)用分水岭方法初分割浮点活动图像，得到不同的图像块；3e)对每一个图像块的所有像素点特征取平均值，获得代表初始聚类数据的每一块的特征值；(4)随机产生初始量子种群，完成初始化；(5)获得二进制种群5a)在0到1间产生一个随机数；5b)判断随机数与量子种群中个体的幅度值的大小，如果随机数大于个体的幅度值，则二进制种群对应的位置上的值取1，否则取0；5c)重复步骤5a)、步骤5b)，直至观测完量子种群的每个个体的每一位，得到观测后的二进制种群；(6)计算个体适应度值：按照紧凑性和连通性两个公式计算种群中的个体的适应度值(7)非支配排序选择7a)将当前种群和其前一代的种群组成临时种群；7b)用非支配排序方法对临时种群中的个体进行排序操作获得个体的支配面值和拥挤距离值；7c)从已获得支配面值和拥挤距离值的临时种群中，依次取出具有支配面值小并且拥挤距离值大的个体组成更新后的当前种群，并从更新后的当前种群中选择支配 面值为1的个体形成非支配解集；(8)进化种群：用量子旋转门方法进化种群(9)如果进化种群的次数达到使用者设定的进化代数，则执行步骤(10)，否则，执行步骤(5)；(10)分配类别标号：对获得的所有非支配解解码获得类别数及类别标号；(11)产生最优个体11a)选择使用者设定的类别数的非支配解作为候选解；11b)分别将每个候选解在两个目标函数上的适应度相加求和，选择和值最小的个体作为最优个体；11c)将最优个体所对应的类别标号作为像素的灰度值，得到图像分割结果；(12)输出分割图像。