[发明专利]基于多目标进化算法的图像分割方法

摘要

本发明公开了一种基于多目标进化算法的图像分割方法，主要解决现有图像分割方法鲁棒性差，易陷入局部最优和早熟现象的缺点。其实现步骤为(1)输入待分割图像；(2)根据图像类型对待分割图像提取纹理特征；(3)对待分割图像初分割，得到初分割对象数据，并对其初始化得到种群；(4)计算种群中个体适应度值；(5)根据个体适应度值得到非支配种群，并从中选取活跃种群；(6)判断是否满足终止条件，若满足则从步骤(5)的活跃种群中选取最优个体，标记最优个体并产生最终分割图像，否则进化活跃种群，转步骤(4)再计算种群个体适应度值。本发明具有鲁棒性强，稳定性高的优点，适用于合成孔径雷达图像、自然图像及纹理图像的分割。

主权项

一种基于多目标进化算法的图像分割方法，实现步骤如下：(1)输入一幅待分割图像；(2)根据待分割图像的类型，进行不同操作：若待分割图像为纹理图像或SAR图像，则提取图像纹理特征后执行步骤(3)，若待分割图像为自然图像，则直接执行步骤(3)；(3)对待分割图像进行初分割，得到初分割对象数据；(4)对初分割对象数据进行初始化，得到种群；(4.1)对初分割对象数据采用基于Prim算法的最小生成树方法得到连接图，再对连接图解码得到第一部分种群；(4.2)对初分割对象数据采用随机编码方法得到第二部分种群；(4.3)将第一部分种群和第二部分种群合并，作为下一步待处理的种群；(5)计算种群中每个个体的两个适应度值；(6)获得非支配种群6a)根据个体的两个适应度值和Pareto准则，对种群进行非支配排序得到非支配个体，将所有的非支配个体组成一个临时种群，所述Pareto准则为：对M个多目标变量的多目标优化问题可表述为：min F(x)＝(f1(x),f2(x),…,fM(x))T,x∈X假设xA,xB∈X为两个可行解，若xAPareto支配xB，则存在且只存在∃j=1,2,...,M,fj(xA)<fj(xB)]]>记作xA＞xB,如果不存在其它解支配xA，则称xA为非支配解，其中X为可行域，x为可行域中的个体，fi(x)为第i个目标函数，F(x)为多个目标函数值得到的矩阵，min表示对F(x)进行最小化计算，()T表示对()内矩阵的转置，表示任意性，表示存在性，∧为逻辑与；6b)创建一个空的非支配种群，如果临时种群的大小小于设定的非支配种群个体数的上限，则将临时种群中个体直接复制到非支配种群中，否则计算拥挤距离，根据拥挤距离对临时种群进行降序排序，从排序结果中选取前nN个个体复制到非支配种群中排序，所述计算拥挤距离按如下步骤进行：(6b1)创建一个二维坐标系，将非支配种群中的每个个体的两个目标函数值分别作为个体的两个坐标值，将所有个体依照坐标值放在二维坐标系上；(6b2)对二维坐标系内的非边界点，将与该非边界点距离最近的前一个和后一个点作为矩形的两个对角顶点，并计算该矩形的周长作为该非边界点的拥挤距离idistance；而对于任意的边界点，设定其拥挤距离为非边界点中最大的拥挤距离的2倍；(7)创建一个空的活跃种群，如果非支配种群的个体数不大于活跃种群的个体数上限，则将非支配种群的个体直接复制到活跃种群中，否则根据拥挤距离选择活跃种群限定个数的个体复制到活跃种群中，得到活跃种群；(8)判断是否对活跃种群执行进化操作，如果已经执行进化操作，则判断进化次数是否达到迭代上限，如果达到迭代上限则停止迭代，执行步骤(10)，如果未执行进化操作或未达到迭代上限则执行步骤(9)，继续对活跃种群执行进化操作；(9)进化活跃种群9a)用同比例克隆方法对活跃种群进行克隆操作,得到克隆种群；9b)用交叉算子对活跃种群和克隆种群进行交叉操作重组种群中的个体信息，保留交叉操作后的种群；9c)用变异算子对克隆种群进行变异，保留变异操作后的种群；9d)合并非支配种群、交叉操作后的种群和变异操作后的种群，得到新的种群，转步骤(5)对新的种群个体进行适应度评价；(10)将步骤(7)得到的活跃种群的个体的适应度值归一化到闭区间[0.0,1.0]，计算每个个体归一化后两个目标函数值的和，选择其最小的个体作为最优个体；(11)对选取的最优个体按图像块标记其类标号，再对图像块内的所有像素点标记类标号，每一个类标号分别从闭区间[0,255]中选择一个整数作为对应的像素值，将对应像素值赋值给每个像素点得到最终分割结果。