一种基于定制化并行正余弦算法的遥感图像分割方法技术

本发明专利技术涉及一种计算机底层群优化的遥感图像分割方法，通过对正余弦优化算法进行并行改进，综合考虑算法在优化不同问题时对缺陷，提出了三种不同的并行策略。通过田口方法定制化并行方案，并将其用于优化耦合脉冲神经网络的链接系数、阈值衰减系数以及阈值放大数，最终获得可以用进行遥感图像分割的基于田口方法定制化并行正余弦函数算法优化耦合脉冲神经网络模型，通过实验仿真本方法，大幅提升了遥感图像的精度。遥感图像的精度。遥感图像的精度。

【技术实现步骤摘要】
一种基于定制化并行正余弦算法的遥感图像分割方法


[0001]本专利技术涉及一种计算机底层群优化的遥感图像分割方法，具体涉及到一种基于田口方法定制化并行正余弦函数优化算法优化的遥感图像分割方法，应用于计算机视觉领域。
技术背景
[0002]勘探检测是关乎国家发展的重要技术之一，随着科学技术的不断进步，遥感技术在近几年也随之迅速发展。随着遥感技术的不断发展，遥感技术的应用也越来越广泛，例如监测农林业、国土资源勘探、气象预测以及实时获取地震灾情信息等领域，遥感技术在全球范围内广泛应用，这也导致遥感图像数量呈指数性大量增长，由于技术以及图像时效性等方面的原因，大量的遥感图像没有被及时的分析利用便被舍弃。近几年，随着图像处理技术的日臻完善，优化改良后的遥感图像处理技术具有更高的分析准确率和更少的处理用时，对海量的遥感图像分析利用有突出意义。
[0003]遥感图像分割技术便是将遥感图像中不同的对象分割出。由于遥感技术的进步，遥感图像的精度以及图像的空间分辨率越来越高，使得遥感图像内容中可能包含不同种类且数量不同的观测对象，这给遥感图像的分割带来了极大的困难。并且在分割彩色遥感图像时，由于色彩遥感图像中存在丰富的色彩空间，这使得遥感图像分割的难度大大提升。如何提升遥感图像的分割效果是目前重点研究问题。优化是研究如何在现有的技术基础上改善图像分割效果。通过优化，我们可以得到分割模型最优参数，从而在一系列可用的解决方案中找到最佳解决方案。本方法旨提供了一种基于定制化并行正余弦算法的遥感图像分割方法，大幅提升了遥感图像的精度。<br/>
技术实现思路

[0004]本专利技术为解决上述问题而采用的技术方案是研发一种基于定制化并行正余弦算法的遥感图像分割方法，本专利技术对与现在的技术取得了以下效益：提出了一种基于田口方法定制化并行正余弦函数算法用于优化络遥感图像分割的方法。改方法优化了更加准确的遥感图像分割模型的参数，能够满足更短的图像分割用时以及更高的图像分割准确率。
[0005]通过并行结构的设计以及田口方法对并行方案进行实时定制，有效的解决了正余弦函数算法在解决复杂问题时易陷入局部最优和过早收敛的问题。本专利技术通过优化脉冲耦合神经网络的链接系数、阈值衰减系数以及阈值放大数三个参数，通过仿真实验证明，该算法可有作为底层优化算法优化遥感图像分割模型。
[0006]具体技术方案为：
[0007]1.遥感图像分割模型
[0008]遥感图像分割模型采用脉冲耦合神经网络结构，此处不再赘述。
[0009]优化问题描述
[0010]2.1目标函数
[0011]脉冲耦合神经网络在实际分割，分割效果十分受参数选择的影响，本专利技术将脉冲耦合神经网络的链接系数、阈值衰减系数以及阈值放大数三个参数视为优化问题，使用优化算法进行求解。
[0012]为有效地对PCNN进行优化，本文使用准确率(ACC)作为目标函数，ACC越趋于100％，表明分割效果越好，目标函数为：
[0013][0014]2.3正余弦函数算法(SCA)及改进策略
[0015]2.3.1正余弦函数算法
[0016]正弦余弦算法(SCA)结构简单、参数较少且易于实现，它的搜索过程主要受正弦和余弦函数的影响。首先，在搜索空间初始化一组粒子。每个粒子代表参数优化问题的潜在最优解。算法要求它们使用基于正弦和余弦函数的数学模型向外波动或朝最佳解决方案波动。正余弦优化算法的寻优过程可分为探索和开发两个阶段，在这项工作中，两个阶段都提出了以下位置更新方程：
[0017][0018]其中X是种群，t当前迭代次数，x1/r2/r3是的随机数,P是粒子在第i维上的位置，|
·
|是绝对值，r4是[0,1]的随机数，此外，r1还有将方程扩展到更高维度，提供更大的搜索空间，当r1&gt;1时使用更大的搜索空间；当r1≤1时使用较小的搜索空间，r1根据如下公式进行更新：
[0019][0020]其中a是常数，T是最大迭代次数，t是当前迭代。
[0021]2.3.2正余弦函数算法改进策略
[0022]基于田口方法定制化并行方案
[0023]由于正余弦函数算法寻优路径相对简单，容易损失种群多样性，常出现陷入局部、收敛精度过低的问题。为了增加算法在迭代中的多样性，且最大化利用最优粒子效果，本发现使用并行策略用于改进改算法。并且由于元启发式算法受参数影响较大，而处理不同问题时算法的最优参数同样不同。为了解决这一缺陷，本专利技术引入田口方法，对算法的并行方案进行最优参数选择，达到减少获取最优参数的实验次数、减小计算成本的目的。田口正交分析响应比公式为：
[0024][0025]考虑到在计算不同的目标函数时，不同的目标函数兼影响因素同样具有差异，并且一种方法不可能解决所有问题，因此专利技术提出三种并行策略对算法进行优化。
[0026](1)策略1：种群被分成g子群，每个子群中含有i个粒子，既g组第i个粒子为之后对每个种群独立计算，并在若干次迭代后进行通信获得最优值。利用当前一代的全局最优值去代替每一组的最劣值以求最优粒子可以在每一代中都发挥引领作用，提升算法的收
敛速率。
[0027](2)策略2：在解决困难或复杂问题时，算法难免会陷入局部最优，对于我们提出的并行策略而言，如果陷入局部最优则最优值替换策略将很难从局部最优中跳出，本专利技术提出使用每组最优的平均值去替换最劣值，使得粒子可以有足够的时间在解空间中寻找目标值的能力，达到跳出局部最优的目的。
[0028](3)策略3：为了兼顾两种策略的优势并用于解决混合复杂问题，本专利技术将两种策略在交流的过程中进行混合，提出第三种并行策略，拟在提升算法速率的同时有效跳出局部最优。
[0029]2.3.3基于田口方法定制化并行正余弦函数算法求解的具体步骤为：
[0030](1)初始化参数，初始化种群数量N，种群分组数g。
[0031](2)使用田口方法对种群数量N种群分组数g，迭代次数Miter，交流频率λ以及策略S进行实时配置。
[0032](3)使用评估函数计算种群适应度。
[0033](4)根据田口方法的选择并行方法，进行迭代求解，并记录当前最优解以及相应适应度值。
[0034](5)继续迭代或得到全局最优值算法结束
[0035]虽然PCNN在图像分割中得到了广泛的使用，但PCNN模型参数的设置对于图像分割的效果有着十分大的影响。为了避免由于参数值设置不当导致图像欠分割或过度分割问题，本文引入TPSCA算法对PCNN的链接系数、阈值衰减系数以及阈值放大数三个重要参数进行优化，以获取最优参数或者接近最优的参数，具体步骤为：
[0036](1)初始化参数，初始化种群数量N，种群分组数g，初始化链接系数、阈值衰减系数以及阈值放大数。
[0037](2)传入图像，使用灰度和线性变换对待分割图像进行预处理。
[0038](3)使用田口方法对种群数量N种群分组数g，迭代次数Mit本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于定制化并行正余弦算法的遥感图像分割方法包括以下步骤：1)对原始正余弦算法进行改进，提出了一种包含三个并行策略的正余弦优化算法(PCSA)。2)对并行正余弦算法使用田口方法进行并行方案定制，并提出基于田口方法定制的并行正余弦优化算法(TPSCA)。3)使用基于田口方法定制的并行正余弦优化算法对耦合脉冲神经网络的初始系数进行优化优化，提出一种基于田口方法的定制化并行正余弦算法优化的耦合脉冲神经网络遥感图像分割模型。4)使用基于田口方法的定制化并行正余弦算法优化的耦合脉冲神经网络遥感图像分割模型对遥感图像进行分割。2.根据权利要求书1所述的包含三个并行策略的正余弦优化算法(PSCA)，其特征在于：充分考虑了正余弦优化算法在优化简单问题、多峰问题、复杂问题中的缺点，将种群分为多个子群，并设计了三种不同的并行策略。3.根据权利要求书1或权利要求书2所述的三种并行策略特征在于：策略一使用利用当前一代的全局最优值去代替每一组的最劣值以求最优粒子可以在每一代中都发挥引领作用，提升算法的收敛速率；策略二使用最优平均值法去替换最劣值使得粒子可以有足够的时间在解空间中寻找目标值的能力，达到跳出局部最优的目的；策略三通过交替使用策略一和策略二，提出混合并行方法，拟在全面提升算法速率和有效跳出局部最优。4.根...

【专利技术属性】
技术研发人员：范方，赵慧奇，刘刚，耿嘉镕，刘高源，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：