[发明专利]基于改进鲸鱼优化模糊聚类的图像分割方法

摘要

本发明公开了一种基于改进鲸鱼优化模糊聚类的图像分割方法,主要解决现有技术图像信息分割后的严重丢失，分割时间长的问题。其实现步骤为：1.输入图像并获取所有像素点的灰度级；2.选取c个聚类中心将图像分割成c类；3.生成n个鲸鱼，每个鲸鱼有c维向量，代表一组聚类中心的可能解；4.由快速模糊C‑均值聚类目标函数的倒数作为适应值，搜索最优聚类中心；5.依据搜索到的最大适应度值对应的一组聚类中心实现图像分割，将灰度级为同一隶属度区间的像素点归为一类，输出分割后的图像。本发明通过将寻优结果与模糊聚类图像分割结合，提高了图像分割的效果，可用于目标检测、视频监控和医学成像。

主权项

1.基于改进鲸鱼优化模糊聚类的图像分割方法，包括：(1)输入图像，灰度化图像并提取灰度图像中像素点的个数M×N和维度D，每个像素点的灰度级为k，灰度级取值范围为[0,L‑1]，其中M和N分别代表图像中像素点的行和列，设灰度级k的像素数目为hk，L表示为灰度级的数目；(2)初始化鲸鱼群规模n、模糊因子ω，设迭代次数t＝0，最大迭代次数为MaxT和终止误差σ；(3)设定聚类数目c，从所有灰度级中随机选择c个不同灰度级作为一组聚类中心的可能解，共挑选n组可能解，其中每组聚类中心的可能解表示为a,b,...p∈c且a≠b≠...≠p,i∈[1,n]；(4)取(3)中选择的n组聚类中心可能解，将每组可能解中的灰度级按照从小到大的顺序重新排列，得到排序后的可能解：并将作为鲸鱼群体中第i个鲸鱼的初始解，其中表示对应该组可能解中第m个聚类中心，m∈[1,c]；(5)计算灰度级k与初始解中的c个聚类中心的距离(6)获取图像的灰度直方图h，设灰度级为j的像素点的个数为hj,j∈[0,L‑1]；(7)初始化隶属度矩阵U⁰，结合(5)中的与(6)中的h_j，计算每个鲸鱼初始解的适应度并保存n个鲸鱼初始解中具有最大适应度的一组聚类中心可能解X_best，得到适应度最大值f(X_best)；(8)迭代计算n个鲸鱼解：设t为当前迭代次数，t∈[0,MaxT]，其中t＝0代表开始迭代前的初始状态，设第i个鲸鱼第t次迭代的适应度为i∈[1,n]；(8a)令t＝1；(8b)选出第t‑1次迭代适应度较高的n₁个鲸鱼解和适应度较低的n₃个鲸鱼解并将剩余的n₂个鲸鱼解更新为i∈[1,n]，且n₁+n₂+n₃＝n；(8c)将(8b)中的n₁个鲸鱼解用交叉行为更新为(8d)随机产生一个数r，r∈[0,1]，若r>0.5,将n₃个鲸鱼解使用莱维飞行策略更新为否则，使用局部变异行为将更新为(8e)根据所有更新后的鲸鱼解中的c个聚类中心，计算第t次迭代灰度级k与c个聚类中心的欧氏距离和隶属度矩阵Ut；(8f)根据(8e)中得到的和计算第t次迭代的每个鲸鱼解的适应度i∈[1,n]；(8g)将(8f)中的所有适应度与(7)中的适应度最大值f(X_best)进行比较：如果则将适应度最大值更新为将最优的聚类中心可能解更新为否则，不更新；(8h)判断终止条件，如果t>MaxT，迭代终止，输出f(Xbest)与Xbest，执行步骤(9)；否则令t＝t+1,返回(8b)；(9)更新计算隶属度矩阵Ut和聚类中心；(10)如果||Ut‑Ut‑1||<σ，算法终止，执行步骤(11)；否则跳转步骤(9)；(11)依据最大隶属度原则完成图像的聚类分割，Ck＝arg{max(uik)}，其中Ck代表第k个灰度级归属于第i类的程度。