[发明专利]用于图形图像的k近邻局部搜索遗传自动聚类方法

摘要

本发明公开了一种用于图形图像的k近邻局部搜索遗传自动聚类方法，主要解决现有自动聚类算法在聚类时易陷入局部最优的缺陷。其实现步骤是：（1）用canny算子检测图像的轮廓；（2）用shape context方法描述图像的轮廓并计算轮廓点的匹配代价矩阵；（3）根据匹配代价矩阵用dynamic programming方法对轮廓点进行匹配；（4）用procrustes analysis方法对匹配的轮廓点进行变换；（5）将变换后的匹配轮廓点用字符串表示并测量字符串间的edit距离；（6）根据字符串的edit距离计算图像间的距离；（7）用遗传自动聚类算法对图像进行聚类；（8）对遗传算法的种群进行k近邻局部搜索。本发明具有易于达到全局最优，寻找到正确聚类数的优点。

主权项

一种用于图形图像的k近邻局部搜索遗传自动聚类方法，包括如下步骤：（1）输入待聚类的N幅图像Si,i＝1,…,N，利用canny算子分别对每幅图像进行边缘检测，得到各幅待聚类图像的轮廓图像Ii；（2）对各轮廓图像Ii沿其轮廓线进行均匀采样，并以笛卡尔坐标表示采样得到的轮廓点Pij=(xij,yij),i＝1,…,N,j=1,…,M，其中，Pij表示采样得到的第i幅轮廓图像的第j个点，xij,yij分别为轮廓点Pij位置的横纵坐标，M为采样点的个数；（3）计算待聚类的任意两幅图像间的距离；（4）令进化代数t=0，初始化种群：（4a）随机产生ρ个大于等于2小于等于ζ的整数ki,i＝1,…,ρ，作为ρ条染色体的聚类数，ρ=30为种群规模，ζ=15为最大聚类数；（4b）对每条染色体随机产生N个大于等于1小于等于ki的整数cj,j=1,…,N，作为该染色体的各个基因位Bj的值，组成该染色体Hi；（5）计算所有染色体的适应度值fi，找出适应度值最大的染色体作为当前最佳染色体H；（6）根据所得到的染色体的适应度值fi，用轮盘赌选择法对所有染色体Hi进行选择，选出要进行遗传操作的中间代染色体H′i；（7）对得到的中间代染色体H′i，以概率σ1,σ1∈[0,1]进行单点交叉操作；（8）对经过单点交叉操作后所有中间代染色体H″i，以概率σ2,σ2∈[0,1]进行单点变异操作；（9）计算经过单点交叉操作后所有中间代染色体H″i的适应度值fi；（10）对每条中间代染色体H″i，产生一个随机数r,r∈[0,1]，如果r<0.5，执行步骤（11），否则执行步骤（12）；（11）对中间代染色体H″i的每个基因位Bj，产生随机数ψ，ψ≠cj，1≤ψ≤ki，ki为中间代染色体H″i的聚类数，cj为基因位Bj的值，将基因位Bj的值cj改为ψ，计算此时中间代染色体H″′i的适应度值f′i，并与改动前的中间代染色体适应度值fi比较，若f′i>fi，则基因位Bj的值设置为ψ，执行步骤（13），否则基因位Bj的值设置为cj，执行步骤（13）；（12）对中间代染色体H″i进行k近邻局部搜索：（12a）将中间代染色体H″i的每个基因位Bj所对应的待聚类图像Sj，与其它待聚类图像Sl的距离d(Sj,Sl)从小到大进行排序；（12b）从排好序的距离中，选取前K=5个距离所对应的待聚类图像，作为K副最近邻图像S′v；（12c）对所选出的K副最近邻图像S′v对应的基因位Bv，统计不同基因位值的个数，找到个数最多的基因位值τ，若τ=cj，cj为待聚类图像Sj对应的基因位Bj的值，则执行步骤（13）；（12d）将中间代染色体H″i的基因位Bj的值改为τ，计算此时中间代染色体H″′i的适应度值f″i，将改变前中间代染色体H″i的适应度值fi，若f″i>fi，则基因位Bj的值设置为τ，否则基因位Bj的值设置为cj；（13）比较所有中间代染色体的适应度值fi，找出适应度值最大的染色，将该染色体与当前最佳染色体H比较，若该染色体的适应度值大于当前最佳染色体H的适应度值，则将该染色体复制到当前最佳染色体H，若当前最佳染色体H的适应度值大于该染色体的适应度值，则将当前最佳染色体H复制到该染色体；（14）对进化代数t值加1，此时若t小于最大进化代数T=100，则返回步骤（6），否则，将当前最佳染色体H的每一个基因位Bi的值ci作基因位Bi所对应待聚类图像Si的类标，将所有类标相同的待聚类图像分为一个类，输出分类后的待聚类图像和当前最佳染色体H的聚类数。