[发明专利]基于多目标模糊聚类的灰度图像分割方法

摘要

本发明公开了一种基于多目标模糊聚类的灰度图像分割方法，它涉及图像处理技术领域，主要解决灰度图像分割准确率低的问题。该方法是在对图像进行灰度化处理后，根据生成的灰度直方图来随机生成多个聚类中心，并组成父代抗体种群；本发明的关键在于首次将致密分离有效性函数作为评价准则和模糊C‑均值方法中的模糊优化函数相结合，形成多目标优化问题，并采用免疫克隆多目标进化算法对整个父代种群进行多次迭代，从多个方向同时搜索，并行计算，最终得到最优的聚类中心，输出分类结果，有效地保留灰度图像中的细节信息，减小错分率，提高了灰度图像分割的精度，为灰度图像分割的后续操作提供更好的平台。可用于提取和获得灰度图像的细节信息。

主权项

一种基于多目标模糊聚类的灰度图像分割方法，其特征在于包括有如下步骤：(1)读入一幅不含噪声的灰度图像I，并统计灰度图像I的灰度直方图GH为GH＝{nl,l＝0,1,...,255}，l是灰度图像I的灰度级，nl是灰度级l的像素点个数；(2)根据灰度图像I的灰度直方图GH随机生成聚类中心C，C＝{ci,i＝1,...,K}，聚类中心C也称为抗体，ci为第i类的聚类中心，K为灰度图像I的分割类别数；(3)按照步骤(2)对灰度图像I进行操作，生成N个抗体，组成灰度图像I的父代抗体种群V为V＝{Cj,j＝1,...,N}，其中N为灰度图像I的种群个数，设种群迭代次数为t，t的初始取值为1，j是循环变量；(4)根据灰度图像I的父代抗体种群V中任意抗体C，计算灰度图像I的模糊隶属度矩阵U为：U＝{uib,i＝1,...,K,b＝1,...,M}，其中，M是灰度图像I的像素点总个数，uib是灰度图像I中第b个像素点xb属于第i类的模糊隶属度，表示为：uib=1(d(xb,ci)/d(xb,c1))2+(d(xb,ci)/d(xb,c2))2+...+(d(xb,ci)/d(xb,cK))2,]]>其中，d(xb,ci)是像素点xb与聚类中心ci之间的欧氏距离，i＝1,...,K，ci是抗体C的第i类的聚类中心；(5)按照步骤(4)对灰度图像I的父代抗体种群V中所有N个抗体分别计算其模糊隶属度，组成整个种群的模糊隶属度矩阵组U为U＝{Uj,j＝1,...,N}；(6)根据灰度图像I的父代抗体种群V和整个种群的模糊隶属度矩阵组U，计算种群中抗体C的两个目标函数值，衡量像素全局划分的模糊聚类的有效性评价准则为第一个目标函数f1，致密分离有效性评价准则作为第二个目标函数f2；(7)按照步骤(6)对灰度图像I的父代抗体种群V中所有N个抗体分别计算第一目标函数f1和第二目标函数f2的值；(8)根据目标函数f1和目标函数f2，在灰度图像I的父代抗体种群V中寻找非支配抗体种群Vf，Vf是灰度图像I的父代抗体种群V中所有非支配抗体C*的集合；(9)根据灰度图像I的非支配抗体种群Vf执行等级克隆操作，生成克隆后种群Vc；(10)根据灰度图像I的克隆后种群Vc执行非一致性变异操作，生成变异后种群Vr；(11)根据灰度图像I的变异后种群Vr进行动态拥挤距离删除机制，选出m个抗体作为灰度图像I的新种群V；(12)判断迭代次数t是否达到了最高迭代次数gmax，如果满足t>gmax，执行步骤(13)，否则返回步骤(4)，t＝t+1，进行下一次迭代；(13)在循环结束后得到的灰度图像I的父代抗体种群V中，根据第三方评价指标PBM从父代抗体种群V中选出最优的抗体Ce作为灰度图像I的最优聚类中心；(14)根据灰度图像I的灰度直方图GH和最优的聚类中心Ce，计算灰度图像I每个灰度级l到每个聚类中心ci的灰度差值dil；(15)根据灰度图像I的灰度差值dil，计算像素点个数Sil：其中，nk是灰度级为k的像素点的个数，dik是灰度级k到每个聚类中心ci的灰度差值，dil是灰度级l到聚类中心ci的灰度差值；(16)在灰度图像I的像素点个数Sil中，以灰度级l为基准，找到灰度级l与每个聚类中心ci的像素点个数Sil中最小的聚类中心cf，并将灰度级l分到最小的聚类中心cf所对应的第f类，由此得到灰度图像I的分类结果G。