基于多目标粒子群算法的灰度图像分割方法
【专利摘要】本发明公开一种基于多目标粒子群算法的灰度图像分割方法，它涉及图像处理【技术领域】，主要解决传统方法评价指标单一，且易导致区域一致性差、边缘凌乱的问题。其实现步骤为：(1)对待分割灰度图像进行特征提取，即选取图像灰度作为待聚类的数据；(2)设置运行参数并初始化粒子群；(3)结合多目标粒子群算法对数据进行多目标聚类，得到近似Pareto解集；(4)从步骤(3)中得到的解集中选取PBM指标最大的解作为最优解，即聚类结果；(5)根据步骤(4)得到的聚类结果对待分割图像的每个像素点分配类标，得到分割结果。本发明具有分割结果区域一致性好、能够保留完整信息且计算速度快的优点，可用于图像目标识别。
【专利说明】基于多目标粒子群算法的灰度图像分割方法
【技术领域】
[0001] 本发明属于图像处理【技术领域】，涉及图像分割的方法，尤其涉及灰度图像的分割 方法，可应用于目标识别。
【背景技术】
[0002] 随着计算机技术的发展，图像在各行各业的应用日益广泛。灰度图像分割是以图 像的形式获得信息的基础，使人们研究的热点，是图像处理技术应用的重要内容之一。
[0003] 图像分割是图像处理过程中的一个重要步骤。图像分割的任务是将输入图像分割 为一些独立的区域，使同一区域具有相同的属性，而使不同的区域具有不同的属性。对于图 像分割问题，研究者已经提出了很多方法，但是鉴于图像种类多、数据量大、变化多端的特 点，迄今为止还没有一种图像分割的方法适合于所有的情况。数据聚类作为一种图像分割 的手段，得到了广泛的应用。
[0004] 聚类就是指在没有训练样本的情况下将一组特征分成若干类别的过程，基于聚类 的图像分割的基本思想是：将图像中的像素映射成对应的特征空间的点，如果描述不同对 象差别的特征变量选取的合适，特征空间中的点就能够根据一定度量准则划分为不同的区 域，映射回原图像空间，得到分割结果。
[0005] 传统的聚类方法在进行灰度图像分割时，往往具有以下两个缺点：（1)评价指标 单一，仅仅使用一个目标函数，即每一类内的点到其聚类中心的距离之和最小，以此来进行 聚类，从而导致分类结果不够准确；（2)对初始化敏感，如果初始化时随机产生了一些适应 度相对较小的解，最终产生错分割的几率就比较大。
【发明内容】
[0006] 本发明的目的在于克服上述已有技术的不足，提出一种基于多目标粒子群算法的 灰度图像分割方法，使得分割结果具有更好的区域一致性，并保持图像的完整性，以提高图 像分割的质量。
[0007] 多目标粒子群算法是一种将基本粒子群算法扩展用于解决多目标优化问题的多 目标进化算法。基本粒子群算法是源于鸟群觅食行为，通过对鸟群觅食过程中的迁徙和聚 集进项模拟，形成的一种群体智能算法。多目标粒子群算法在继承了基本粒子群算法的优 势的基础上，改善了多目标进化算法的缺陷。将图像分割问题转化为对两个目标函数的优 化问题，相对于单目标聚类仅仅针对最小化类内距离这一个目标，多目标聚类方法主要使 用两个目标函数：最小化类内距离以及最大化类间距离。该聚类技术通过多目标优化方法 同时对两个目标函数寻找最优解，值的指出的是，多目标问题的最优解不是单一的，而是一 个Pareto解集，在目标空间内称为Pareto边界。
[0008] 使用基于多目标粒子群算法的方法进行图像分割，相比于基于单目标聚类的图像 分割能够获得更准确的分割结果，可以克服传统分割方法评价指标单一、区域的一致性差、 边界凌乱、分割结果不够准确的缺点，从而提高图像分割的质量。
[0009] 本发明的技术方案是：将灰度图像分割问题看成多目标聚类问题，将图像灰度作 为待聚类的数据，结合多目标粒子群算法对数据进行多目标聚类，得到一组近似的Pareto 解，最后根据PBM指标从一组解中选出最优解作为分类结果，达到图像分割的目的。具体实 现过程如下：
[0010] (1)对待分割灰度图像进行特征提取，即选取图像灰度作为待聚类的数据；
[0011] (2)设定最大迭代次数T为50,当前迭代次数t = 0,粒子群规模N1为100,外部 档案规模N2为100,聚类类别数为K，K的大小根据待分割图像确定，惯性权重w为0. 9,并 随迭代过程线性递减到0. 4,加速常数Cl和c2为2. 0,最大速度Vmax的每一维取相应维的取 值范围的15% ;
[0012] (3)初始化粒子群匕，根据聚类类别数，从待聚类的数据中随机选取K个样本作为 聚类中心，样本值为像素灰度值，K个样本构成的向量作为初始粒子群匕中一个个体的初始 位置，并确定其零初始速度，进行N1次上述采样操作，得到规模大小为N1的初始粒子群P。， 每个粒子的初始自身最优位置pBest为该粒子本身的初始位置；计算各粒子对应的两个目 标函数值，根据Pareto支配关系，将非劣解存入外部档案怂中，该两个目标函数为 ：
【权利要求】
1. 一种基于多目标粒子群算法的灰度图像分割方法，包括如下步骤： (1) 对待分割灰度图像进行特征提取，即选取图像灰度作为待聚类的数据； (2) 设定最大迭代次数T为50,当前迭代次数t = 0,粒子群规模N1为100,外部档案 规模N2为100,聚类类别数为K，K的大小根据待分割图像确定，惯性权重w为0. 9,并随迭 代过程线性递减到0. 4,加速常数Cl和c2为2. 0,最大速度Vmax的每一维取相应维的取值范 围的15% ; (3) 初始化粒子群匕，根据聚类类别数，从待聚类的数据中随机选取K个样本作为聚类 中心，样本值为像素灰度值，K个样本构成的向量作为初始粒子群匕中一个个体的初始位 置，并确定其零初始速度，进行N1次上述采样操作，得到规模大小为N1的初始粒子群匕，每 个粒子的初始自身最优位置pBest为该粒子本身的初始位置；计算各粒子对应的两个目标 函数值，根据Pareto支配关系，将非劣解存入外部档案&中，该两个目标函数为 ：
其中，η为待聚类的数据样本个数，j代表样本中的第j个样本，K为聚类类别数，k代 表聚类类别里的第k类，u为根据样本与聚类中心之间的距离关系得到的隶属矩阵，X为聚 类数据样本，z为聚类中心，《和v分别代表聚类类别里的第w类和第v类； (4) 对粒子群进行如下优化，得到一个近似Pareto解集，其中，Pt为第t代粒子群，At 为第t代外部档案，t为迭代次数，t < T ; (4. 1)选取全局最优位置gBest :计算外部档案At中所有粒子的密度值，并降序排列， 选取密度值最大的个体作为gBest ; (4. 2)根据速度和位置更新公式来更新每个粒子的速度和位置，得到粒子群Pt+1 ; (4. 3)采用如下措施以避免粒子飞出搜索空间：一旦粒子飞出某个决策变量的边界， 该粒子停留在该边界上，同时改变飞行方向； (4. 4)计算粒子群Pt+1中每个粒子的两个目标函数J与XB ; (4.5) 更新粒子的自身最优位置pBest :根据粒子飞行过程中获得的新解与其自身最 优位置pBest比较，若新解支配了 pBest,则新解为新的pBest ;否则，pBest保持不变；若新 解与pBest彼此不受支配，则从两解随机选择一个作为新的自身最优位置； (4.6) 对外部档案At进行更新和维护，得到外部档案At+1 ; (4. 7)如果迭代次数达到T，则输出外部档案At+1作为近似Pareto解集，并停止搜索； 否则，t = t+l，转到步骤（4. 1); (5) 从步骤（4. 7)中得到的近似Pareto解集中选取PBM指标最大的解作为最优解，将 其作为聚类结果； (6) 根据步骤（5)得到的聚类结果对待分割图像的每个像素点分配类标，得到分割结 果。
2. 根据权利要求1所述的基于多目标粒子群算法的灰度图像分割方法，其中步骤 (4. 1)所述的密度值，采用k近邻方法来计算，即密度值为当前个体与第k个近邻个体在目 标空间上的距离，
，向下取整，其中N为外部档案的实际规模。
3. 根据权利要求1所述的基于多目标粒子群算法的灰度图像分割方法，其中步骤 (4. 2)所述的根据速度和位置更新公式来更新每个粒子的速度和位置，是通过如下公式计 算： Vi (t+1) = wVi (t) (Pi (t) -Xi (t)) +c2r2 (G (t) -Xi (t)) Xi(t+1) = Xi(t)+Vi(t+1) 其中\(t)为个体i在t时刻的速度，Xjt)为个体i在t时刻的位置，Pjt)为t时刻 个体i的自身最优位置pBest，G(t)为t时刻的全局最优位置gBest，w为惯性权重，q和 c2为加速常数，&和r2为区间[0,1]上均匀分布的随机数，速度的更新需要限制在最大速 度乂_之内。
4. 根据权利要求1所述的基于多目标粒子群算法的灰度图像分割方法，其中步骤 (4. 6)所述的对外部档案At进行更新和维护，按如下步骤进行： (4a)将粒子群Pt+1和外部档案At的所有非劣解拷贝到At+1中，如果A t+1的规模小于或 等于N2,则接受：； (4b)如果At+1的规模大于N2,则不断将档案At+1中的解移出直到|At+1| = N2,在修 剪档案过程中，根据如下原则决定哪个解从档案中移出，如果个体i满足如下条件则从 \+1剔除：对所有个体j，i < dj，其中，i < dj当且仅当对于
或
，且对·
为个体i与第k个最邻近个体间的 距离。
5. 根据权利要求1所述的基于多目标粒子群算法的灰度图像分割方法，其中步骤（5) 所述的从步骤（4.7)中得到的近似Pareto解集中选取PBM指标最大的解作为最优解，是通 过如下公式计算：
其中
K为聚类类别数，k代表聚类类别里的 第k类，η为待聚类的数据样本个数，j代表样本中的第j个样本，u为隶属矩阵，X为聚类 数据样本，z为聚类中心，w和v分别代表聚类类别里的第w类和第v类。
【文档编号】G06T7/00GK104156945SQ201410338662
【公开日】2014年11月19日 申请日期:2014年7月16日 优先权日:2014年7月16日
【发明者】公茂果, 焦李成, 孙一翔, 马里佳, 马文萍, 马晶晶, 霍丽娜 申请人:西安电子科技大学