【技术实现步骤摘要】
一种基于萤火虫优化的半监督谱聚类彩色图像分割方法
本专利技术属于图像处理领域，涉及一种基于萤火虫优化的半监督谱聚类彩色图像分割方法。
技术介绍
图像分割就是利用图像上的颜色、纹理、形状等特征，把图像分割为若干个具有相同性质或类似性质区域的过程，各个区域之间存在明显的差异且互不重叠。图像分割是对图像后续处理的基础。现有的分割方法主要是基于阈值的图像分割方法、基于边缘检测的图像分割方法以及基于图论的谱聚类图像分割方法。基于聚类的图像分割方法是将整幅图像看作是一个数据整体，运用数学方法对图像中的像素进行分类，如预先定义好像素间颜色差的欧式距离以确定相似关系，以此来确定图像的分类区域。与传统聚类算法相比，谱聚类具有能在任意形状的样本空间进行聚类并且收敛于全局最优的特点。图像分割将图像中丰富的信息转化为定量和定性的数据，有利于进一步对图像进行分析和理解，应用十分广阔，如在卫星图像中的道路、海洋、森林等定位，在刑侦破案中犯罪器材的定位，特别是在医学中对医学影像里的肿瘤和其他病理的定位、诊断，有效的图像分割结果为治疗方案的定制具有重要意义。
技术实现思路
本专利技术的目的在于针对上...
【技术保护点】
1.一种基于萤火虫优化的半监督谱聚类彩色图像分割方法，其特征在于，包括以下步骤：步骤一、输入待分割的彩色图像I；步骤二、用户给定图像中部分像素的标签信息，提取这部分像素的RGB彩色空间信息，将其标签信息中的类别作为待分割图像的标准标签label，并遍历待分割的彩色图像I中所有的像素，获得像素彩色信息统计表；步骤三、在人眼视觉差范围内，初始化萤火虫种群；将阈值差X作为生成萤火虫算法的初始种群个体，萤火虫个体xi,xj之间的吸引力大小为
【技术特征摘要】
1.一种基于萤火虫优化的半监督谱聚类彩色图像分割方法，其特征在于，包括以下步骤：步骤一、输入待分割的彩色图像I；步骤二、用户给定图像中部分像素的标签信息，提取这部分像素的RGB彩色空间信息，将其标签信息中的类别作为待分割图像的标准标签label，并遍历待分割的彩色图像I中所有的像素，获得像素彩色信息统计表；步骤三、在人眼视觉差范围内，初始化萤火虫种群；将阈值差X作为生成萤火虫算法的初始种群个体，萤火虫个体xi,xj之间的吸引力大小为其中，β0为初始吸引力，设为1；γ为收敛因子，在范围[0.1,10]内取值，dij＝||xi-xj||；当d＝0时，得到的是萤火虫之间的初始吸引力，阈值间的相互作用相同；步骤四、获取代表像素矩阵；步骤五、计算代表像素矩阵Key_pixel中每个像素的相似性；步骤六、获取谱聚类的聚类结果以及未优化的分割结果；步骤七、结合每个阈值差X和特征向量组合下对整体的划分，以及待分割图像的标准标签label，对整体划分中按照索引值id找到划分的临时类标矩阵temp_label，计算出该阈值差X下的准确率，阈值差为吸引力高的萤火虫个体，其他个体根据个体更新公式xj(t+1)＝xj(t)+(t_max-t)*(βij(rij)[xi(t)-xj(t)]+αεj)向吸引力高的个体移动，式中的t是迭代次数，t_max是最大迭代次数；步骤八、在萤火虫的最大迭代范围内，重复步骤三至步骤七，找出准确率最好时对应的阈值差X和特征向量组合，或当统计出的监督信息准确率基本不变的情况下，作为最优选择，使用这个最优选择对彩色图像I的像素进行谱聚类划分，获得最后的彩色图像分割I'。2.根据权利要求1所述基于萤火虫优化的半监督谱聚类彩色图像分割方法，其特征在于：所述的步骤四在每个萤火虫对应的阈值下，根据像素彩色信息统计表，依次计算每个像素与表中标记为0的所有像素之间的欧氏距离，与人眼能够区分颜色的差值进行比较，标记类别；直到所有像素都在视觉阈值下有了自己的标记，每类标记的第一个像素组成下一步进行谱聚类相似性构造的代表像素矩阵：Key_pixel(r,g,b)，矩阵规模为Kkn3；若Ki(r,g,b)代表Key_pixel(r,g,b)中第i个像素，以Ki(r,g,b)为中心，在像素彩色信息统计表中寻找与Ki的rgb三维差距同时在±d范围内的彩色带集合，记作Z(Ki,d)，集合规模为3.根据权利要求2所述基于萤火虫优化的半监督谱聚类彩色图像分割方法，其特征在于：所述的步骤四中人眼能够区分颜色差值的欧氏距离在[16.89,50.66]区间内。4.根据权利要求1所述基于萤火虫优化的半监督谱聚类彩色图像分割方法，其特征在于，步骤五从Key...
【专利技术属性】
技术研发人员：刘汉强，孙源，孙宁，赵凤，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。