[发明专利]基于多目标免疫聚类集成的无监督图像分割方法

摘要

本发明公开了一种基于多目标免疫聚类集成技术的无监督图像分割方法，主要解决现有技术中全局优化能力不强、评价指标单一、分割方案形式单一和多个分割方案选择困难的问题。其实施步骤是：(1)提取待分割图像的灰度信息及小波能量信息；(2)采用基于区域的采样策略对图采样生成测试样本集；(3)选取不同的特征向量构成若干子测试样本集；(4)采用基于多目标免疫算法的进化聚类，产生初分割方案；(5)集成学习出初分割方案集中的最优分割方案；(6)依据已选择出的分割方案标记图像像素点类别归属；(7)输出图像分割结果。本发明具有获取图像分割的平均准确率高，鲁棒性强的优点，可用于图像信息获取，图像纹理划分。

主权项

一种基于多目标免疫聚类集成的无监督图像分割方法，包括如下步骤：(1)输入待分割图像，并提取该图像的灰度信息及小波能量信息；(2)利用基于区域的采样策略，选取一部分像素点组成测试样本集：(2.1)设定测试样本集大小Ns，其范围为100～1000；(2.2)读取待分割图像，并计算该图像面积；(2.3)将待分割图像分为Ns个等面积的图像子区域；(2.4)在图像的每个子区域中随机选取一个像素点，并将其加入测试样本集；(2.5)输出该测试样本集，其规模大小为Ns；(3)提取测试样本集中所有像素点不同的特征信息，获得若干组子测试样本集：(3.1)设定子测试样本集个数K和特征选择概率Pf，取K＝3，Pf＝0.5或K＝5，Pf＝0.3；(3.2)以概率Pf在步骤(1)中提取的所有特征向量中选择一部分特征向量，赋予测试样本集中的所有像素点，组成一个子测试样本集数据；(3.3)若子测试样本集的个数达到K，输出K组子测试样本集；否则，返回步骤(3.2)；(4)针对每组子测试样本集进行基于多目标免疫算法的进化聚类，产生一系列关于测试样本集像素点的初分割方案，组成初分割方案集；(5)对初分割方案集进行集成学习，得到对于测试样本集像素点的最优的一个分割方案；(6)标记最优的分割方案所对应的像素点的类别归属，计算其余未标记的像素点与测试样本集中已标记像素点的特征距离，根据特征距离的大小，将未标记像素点进行类别归属划分；(7)根据图像中所有像素点的类别归属标记，得出最终的图像分割结果。