[发明专利]基于分解进化多目标优化和FCM的SAR图像分割方法

摘要

本发明公开了一种基于分解进化多目标优化和FCM的SAR图像分割方法，主要解决现有图像分割技术中图像分割精度不高、评价指标单一、分割效果不理想的问题。本发明提取图像每个像素的Gabor特征和灰度共生特征并利用分水岭粗分割得到超像素，将超像素特征作为待聚类数据，把聚类中心作为种群个体，利用分解进化多目标的方法优化种群，将进化之后的种群作为聚类中心来初始化FCM算法，得到新的聚类中心，将此聚类中心作为新的种群参与分解进化多目标算法的下一次进化。该方法交叉运用了分解进化多目标算法和FCM算法来得到较好的聚类中心，克服了FCM初始值敏感和容易陷入局部最优解的缺陷，能得到较好的图像分割结果。

主权项

基于分解进化多目标优化和FCM的SAR图像分割方法，其特征在于：包括以下步骤：步骤1：输入待分割遥感图像；步骤2：提取待分割图像特征：利用Gabor滤波器提取图像的Gabor特征向量，利用灰度共生矩阵方法提取图像的灰度共生特征向量，并将融合特征向量作为待分割图像的每一个像素点的特征向量；步骤3：产生待聚类数据features：用分水岭算法对待分割图像进行分水岭粗分割，得原图的超像素；对每一个超像素所包含的所有像素点特征取平均值，来代表初始聚类数据的每一个超像素的特征向量，用所有超像素的特征向量的集合作为待聚类数据features，features的大小是Nf×fl，其中Nf表示粗分割之后的超像素的个数，fl表示每一个超像素的特征向量的维数；步骤4：利用待聚类数据初始化大小为N的初始种群X＝{x1,x2,...,xN}，每个个体xn都代表一个聚类中心，同时也代表了一个分割结果，n＝1,2,...,N，N为初始种群大小；步骤5：分别根据指标XB和Jm计算每个个体的目标函数值Fn：把根据指标XB得出的值作为目标函数值Fn的第一个目标值，把根据指标Jm得出的值作为目标函数值Fn的第二个目标值：Fn＝[F1,F2]＝[XB,Jm]步骤6：初始化理想点Z*；其中是第1个目标函数XB到目前为止找到的最小值，是第2个目标函数Jm到目前为止找到的最小值；步骤7：将多目标问题F(x)＝min(F1(x),F2(x))用切比雪夫分解方法分解成N个子问题，具体的每一个子问题的目标函数如下：minimizegjte(x|λj,z*)=max1≤i≤m{λij|fji(x)-zi*|}]]>其中，是当前的参考点，即每一个目标当前的最优值组成的向量，本发明中m的值是2；表示第j个子问题的目标函数；是第j个子问题的权值；j＝1,2,...,N；x表示一个种群个体，fji(x)表示第j个子问题的个体对应的第i个目标函数的值，本发明中i的值等于m的值，取值为2；步骤8：根据每一个子问题的权值λj，计算每一个子问题的s_n个邻居子问题Nbor(j)＝(Nborj1,Nborj2,...,Nborjs_n)，Nborji表示第j个子问题的第i个邻居子问题的索引，所以Nborji的取值是整数；取s_n＝10；i＝1,2,...,s_n；步骤9：将每一个子问题的个体Pj(t)初始化为xj，xj∈X，其中t为迭代次数，t＝0；并计算个体Pj(t)对应的目标函数值Ftj；步骤10：对每一个子问题对应的个体Pj(t)进行进化操作得到临时个体Pj(t+1)”10.1在第j个子问题的s_n个邻居子问题Nbor(j)中随机选择3个邻居子问题s,k,l，对第s,k,l个邻居子问题的个体Ps(t)，Pk(t)，Pl(t)进行模拟二进交叉操作，得到一个新的临时子代个体Pj(t+1)'；10.2对临时个体Pj(t+1)'进行多项式变异操作，得到个体Pj(t+1)”；步骤11：对得到的个体Pj(t+1)”用FCM算法进行一次迭代操作得到新的个体Pj(t+1)；步骤12：计算新的临时个体Pj(t+1)的两个目标函数值newFj1和newFj2，并根据newFj1和newFj2更新理想点Z*；通过新的临时个体Pj(t+1)和其目标值newFj1和newFj2来更新第j个子问题的所有s_n个邻居子问题Nbor(j)分别对应的个体以及每个个体对应的目标函数值；步骤13：判断当前迭代次数t是否满足t＜Tmax，如满足，则执行步骤13；否则，令迭代次数t加一次t＝t+1，返回步骤11，其中Tmax为最大迭代次数，取Tmax＝20；步骤14：从种群中选择合适的个体作为聚类中心：将每一个子问题的父代个体Pj(t)取出，把每一个个体作为将要聚类的超像素的聚类中心，把这些聚类中心作为最终的输出解集；并根据第三方指标PBM从最终的输出解集中选择一个个体作为聚类中心；步骤15：得到每个像素的类别号：计算每个像素的特征向量与从步骤14中得到的聚类中心的欧式距离，把该像素归到距离它的欧氏距离最小的聚类中心的类别中，得到每一个像素的类别；步骤16：输出分割图像。