[发明专利]一种基于萤火虫优化的半监督谱聚类彩色图像分割方法

摘要

一种基于萤火虫优化的半监督谱聚类彩色图像分割方法，首先对图像标记监督信息，提供一部分像素的监督化信息label，为后期的萤火虫寻优提供标准。其次在谱聚类相似性构造前，先遍历图像中的全部像素，在人眼视觉范围内的一个阈值将整体像素进行一个初始划分，只要把监督信息的每类代表像素进入谱聚类构造相似性后分割结果，返回到自己所在类中，所有像素的类标就能够确定了，将整体图像中的像素与像素之间的相似性构造转换到代表像素之间的相似性构造，这种新的相似性构造方式，不受图像规模大小的控制，能够大大减少计算量，提高运行速度，缩短运行的时间。本发明不是直接使用前K个最大特征值对应的特征向量用于新样本空间的构造，提高了分割效果。

主权项

1.一种基于萤火虫优化的半监督谱聚类彩色图像分割方法，其特征在于，包括以下步骤：步骤一、输入待分割的彩色图像I；步骤二、用户给定图像中部分像素的标签信息，提取这部分像素的RGB彩色空间信息，将其标签信息中的类别作为待分割图像的标准标签label，并遍历待分割的彩色图像I中所有的像素，获得像素彩色信息统计表；步骤三、在人眼视觉差范围内，初始化萤火虫种群；将阈值差X作为生成萤火虫算法的初始种群个体，萤火虫个体x_i,x_j之间的吸引力大小为其中，β₀为初始吸引力，设为1；γ为收敛因子，在范围[0.1,10]内取值，d_ij＝||x_i‑x_j||；当d＝0时，得到的是萤火虫之间的初始吸引力，阈值间的相互作用相同；步骤四、获取代表像素矩阵；步骤五、计算代表像素矩阵Key_pixel中每个像素的相似性；步骤六、获取谱聚类的聚类结果以及未优化的分割结果；步骤七、结合每个阈值差X和特征向量组合下对整体的划分，以及待分割图像的标准标签label，对整体划分中按照索引值id找到划分的临时类标矩阵temp_label，计算出该阈值差X下的准确率，阈值差为吸引力高的萤火虫个体，其他个体根据个体更新公式xj(t+1)＝xj(t)+(t_max‑t)*(βij(rij)[xi(t)‑xj(t)]+αεj)向吸引力高的个体移动，式中的t是迭代次数，t_max是最大迭代次数；步骤八、在萤火虫的最大迭代范围内，重复步骤三至步骤七，找出准确率最好时对应的阈值差X和特征向量组合，或当统计出的监督信息准确率基本不变的情况下，作为最优选择，使用这个最优选择对彩色图像I的像素进行谱聚类划分，获得最后的彩色图像分割I'。