一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法技术

本发明专利技术公开了一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法，包括以下步骤：输入待分割的彩色图像；设置彩色图像的初始种群数目，最大迭代次数，最大聚类数目，获取用户给定的成对约束信息并对其进行处理得到成对约束矩阵，根据彩色图像获取彩色直方图，然后基于彩色直方图，构造基于成对约束的类内紧致性和基于聚类不纯度的类间可分性的适应度函数，再通过设计自调节交叉和变异率，利用混合交叉和非均匀变异产生子代以保证子代的多样性，最后构造基于彩色直方图的聚类不纯度有效性指标，从最优解集中选择一个最优解并获得最终分割结果。该方法在使用少量的成对约束信息情况下能快速的分割、自适应获得分割数目和良好的分割效果。

【技术实现步骤摘要】
一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法
本专利技术涉及图像处理
，具体涉及一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法。
技术介绍
图像分割是图像处理过程中的重要组成部分，它将图像划分成若干个不同的区域，同一区域内的特征具有一致性，有助于感兴趣目标的提取。图像分割的好坏直接影响图像处理的后续过程，因此得到人们越来越广泛的关注。近年来，随着计算机处理数据的能力大幅提升，彩色图像分割技术的研究已经受到国内外学者的关注和重视。目前我们可以将彩色图像分割算法分为基于阈值的、基于边缘的、基于区域以及基于聚类的分割方法。此外，随着机器学习理论在数据分析和数据挖掘的广泛应用，半监督学习也已成为机器学习中的重要研究领域。半监督聚类通过利用少量样本的已知监督信息来指导聚类过程进而提高了聚类性能，因此该类算法随后受到广泛的关注和研究。2005年，Grirs等人将半监督聚类方法与竞争算法进行有效的结合提出了主动模糊限制聚类算法，虽然提高了传统聚类算法性能，但是对于颜色种类多的彩色图像存在获得的聚类类别数过大的问题。2017年，王俊等人提出了一种基于类别标签信息的多目标进化模糊聚类算法，是将类别标签信息作为监督信息引入到多目标进化模糊聚类算法中，指导聚类从而得到较理想的分割结果，但使用监督信息不够全面，只是将监督信息引入到一个目标函数中，且使用的类标签信息在生活中不易获得。
技术实现思路
为解决上述问题，本专利技术提供了一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法，能够将获得的少量成对约束监督信息和彩色直方图引入到多目标进化模糊聚类算法中，自适应出类别数，在得到满意的分割结果的同时降低算法时间复杂度。为实现上述目的，本专利技术采取的技术方案为：一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法，包括以下步骤：S1、输入待分割的彩色图像；S2、设置图像的初始种群数目pop，最大迭代次数和最大类别数目K，获取用户给定的成对约束信息；S3、对成对约束信息进行处理构造成对约束矩阵R以及根据彩色图像获得彩色直方图HI；S4、基于图像的彩色直方图，构造基于成对约束的类内紧致性目标函数和基于聚类不纯度的类间可分性目标函数，并通过对这两个目标函数进行优化得到一组非支配最优解集；S5、构造基于彩色直方图的聚类不纯度有效指标(HPI)从步骤S4得到的非支配最优解集中选择最优个体，最终得到最优的聚类中心；S6、根据最优聚类中心得到像素对中心的隶属度进而利用该隶属度对像素进行划分，得到图像分割结果。进一步地，所述步骤S3具体包括如下步骤：S3.1、获得成对约束矩阵R的主要思想是：对已知的成对约束信息做进一步处理，将属于同一簇的像素点对在约束矩阵R上的值表示为，将不在同一簇的像素点对在约束矩阵R上的值表示为，使得在计算过程中更加方便，降低时间复杂度；S3.2、获得彩色直方图的具体方法是：对整幅图的像素添加标签，初始标签为l=0；从图像中第一个像素开始遍历整幅图像，统计具有相同彩色特征的像素的数目HI(l+1)并将这些像素标签修改为l+1；令l=l+1并重复上述步骤直至图像中没有标签为0的像素，最后得到整幅图的彩色直方图HI。3、如权利要求1所述的一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法，其特征在于：所述步骤S4具体包括如下步骤：S4.1、对种群中的个体进行染色体进行可变长编码并随机初始化，使得每个个体对应聚类中心；S4.2、计算种群个体的两个适应度函数值，根据计算的适应度值和拥挤距离判断个体间的支配关系并进行排序，从种群中选出一半排序靠前的个体作为父代，从父代种群中选择个体进行混合交叉和非均变异得到子代种群；S4.3、将当前种群与子代种群合并，按照两个适应度值的支配关系进行排序，按照序值由低到高得到与初始种群数一样的新一代种群；S4.4、重复步骤S4.2和S4.3，直至最大迭代次数。进一步地，所述步骤S4.1中，对各个聚类中心采用实值编码，对于彩色图像，一个染色体是由3个特征（红绿蓝）的个中心组成，那么该染色体的长度为，种群中每个染色体的中心个数是由[2,K]区间内的不同的随机整数，K为最大聚类数目，此外将种群中每个个体初始成[0,255]内的随机数。进一步地，所述步骤S4.2中，基于图像的彩色直方图，两个适应度函数分别为基于成对约束的类内紧致性和基于聚类不纯度的类间可分性目标函数。进一步地，所述步骤S5中选择最优解的方法具体为：首先计算种群中个体对应的类间差异、类内差异和聚类不纯度有效指标HPI，从非支配解中选择最大HPI指标的解意味着选择具有更小的类内紧致性、更大的类间可分性以及更小的聚类不纯度的最优个体。与现有技术相比，本专利技术具有以下有益效果：1、首先使用成对约束信息作为监督信息，在现实生活中，成对约束信息容易获得。其次对用户提供的少量成对约束信息进行再处理获得成对约束矩阵R，缩短了后续计算对成对约束信息的处理时间；再根据原始彩色图像统计得到彩色直方图HI，解决了直接对彩色图像进行运算导致处理速度过长的问题，降低了后续的计算量。然后对种群进行染色体采用可变长编码，经进化后可自适应出类别数，减少人为干预。2、基于图像的彩色直方图构造基于成对约束的类内紧致性和基于聚类不纯度的类间可分性目标函数作为两个适应度函数，从多个角度考虑聚类问题，且有效使用少量的成对约束信息指导聚类过程，从而获得较好的非支配最优解集。3、在进化策略上通过设计自调节交叉和变异算子，采用混合交叉和非均匀变异策略产生子代以保证子代的多样性和进化稳定性，从而提高算法的分割性能和分割速度。4、基于图像的彩色直方图，引入成对约束信息，构造基于彩色直方图的聚类不纯度有效指标HPI，利用监督信息指导最优解的选择从而获得最终分割结果。继而实现了使用彩色直方图和少量的成对约束信息达到对彩色图像分割的高效性和准确性，并自适应出类别数，减少人为干预，使得能够在图像处理中有效利用先验信息进行彩色图像分割。附图说明图1为本专利技术实施例一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法的流程图。图2为本专利技术中实施例中使用Berkeley图像数据库图像#135069的分割结果对比图；图3为本专利技术中实施例中使用Berkeley图像数据库图像#12003的分割结果对比图。具体实施方式下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进。这些都属于本专利技术的保护范围。本专利技术提供了一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法，如图1所示，其具体包括以下步骤：步骤1、输入待分割的彩色图像和成对约束信息。步骤2、设置该待分割图像的初始种群数目pop，最大迭代次数和最大聚类数目K。步骤3、对成对约束信息进行处理得到成对约束矩阵R以及对彩色图像遍历获得彩色直方图HI，具体包括如下步骤：步骤3.1、假设样本表示和属于同一类，表示和不属于同一类，选用表示像素和之间的成对关系，将属于同一簇的像素点对在约束矩阵R上的值表示为本文档来自技高网...

【技术保护点】
1.一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法，其特征在于：包括以下步骤：S1、输入待分割的彩色图像；S2、设置图像的初始种群数目

【技术特征摘要】
1.一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法，其特征在于：包括以下步骤：S1、输入待分割的彩色图像；S2、设置图像的初始种群数目pop，最大迭代次数和最大类别数目K，获取用户给定的成对约束信息；S3、对成对约束信息进行处理构造成对约束矩阵R以及根据彩色图像获得彩色直方图HI；S4、基于图像的彩色直方图，构造基于成对约束的类内紧致性目标函数和基于聚类不纯度的类间可分性目标函数，并通过对这两个目标函数进行优化得到一组非支配最优解集；S5、构造基于彩色直方图的聚类不纯度有效指标(HPI)从步骤S4得到的非支配最优解集中选择最优个体，最终得到最优的聚类中心；S6、根据最优聚类中心得到像素对中心的隶属度进而利用该隶属度对像素进行划分，得到图像分割结果。2.如权利要求1所述的一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法，其特征在于：所述步骤S3具体包括如下步骤：S3.1、对已知的成对约束信息做进一步处理，将属于同一簇的像素点对在约束矩阵R上的值表示为，将不在同一簇的像素点对在约束矩阵R上的值表示为；S3.2、对整幅图的像素添加标签，初始标签为l=0；从图像中第一个像素开始遍历整幅图像，统计具有相同彩色特征的像素的数目HI(l+1)并将这些像素标签修改为l+1；令l=l+1并重复上述步骤直至图像中没有标签为0的像素，最后得到整幅图的彩色直方图HI。3.如权利要求1所述的一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法，其特征在于：所述步骤S4具体包括如下步骤：S4.1、对种群中的个体进...

【专利技术属性】
技术研发人员：赵凤，杨颖青，刘汉强，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：陕西,61