[发明专利]一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法

摘要

本发明公开了一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法，包括以下步骤：输入待分割的彩色图像；设置彩色图像的初始种群数目，最大迭代次数，最大聚类数目，获取用户给定的成对约束信息并对其进行处理得到成对约束矩阵，根据彩色图像获取彩色直方图，然后基于彩色直方图，构造基于成对约束的类内紧致性和基于聚类不纯度的类间可分性的适应度函数，再通过设计自调节交叉和变异率，利用混合交叉和非均匀变异产生子代以保证子代的多样性，最后构造基于彩色直方图的聚类不纯度有效性指标，从最优解集中选择一个最优解并获得最终分割结果。该方法在使用少量的成对约束信息情况下能快速的分割、自适应获得分割数目和良好的分割效果。

主权项

1.一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法，其特征在于：包括以下步骤：S1、输入待分割的彩色图像；S2、设置图像的初始种群数目pop，最大迭代次数和最大类别数目K，获取用户给定的成对约束信息；S3、对成对约束信息进行处理构造成对约束矩阵R以及根据彩色图像获得彩色直方图HI；S4、基于图像的彩色直方图，构造基于成对约束的类内紧致性目标函数和基于聚类不纯度的类间可分性目标函数，并通过对这两个目标函数进行优化得到一组非支配最优解集；S5、构造基于彩色直方图的聚类不纯度有效指标(HPI)从步骤S4得到的非支配最优解集中选择最优个体，最终得到最优的聚类中心；S6、根据最优聚类中心得到像素对中心的隶属度进而利用该隶属度对像素进行划分，得到图像分割结果。