【技术实现步骤摘要】
本专利技术属于图像处理
,涉及纹理图像及SAR图像分割的方法,可应用于图像的目标检测和目标识别。
技术介绍
聚类是指在没有任何关于样本的先验知识情况下,利用数学的方法研究和处理特定对象的分类,把一个没有类别标记的样本按照某种准则划分成若干个子集,使得相似的样本尽可能被归为ー类,而不相似的样本尽量被划分到不同的类别中。聚类分析是多元统计分析的ー种,也是非监瞀模式识别的ー个重要分支。现有的聚类算法大致可以分成基于划分的聚类、基于层次的聚类、基于密度的聚类、基于网格的聚类、基于模型的聚类,以及与模糊理论、图论、自然计算相关领域结合的聚类技木。图像分割的目的在于将图像划分成互不交叠的若干个区域,要求每个区域的内部具有一致的纹理,而不同区域之间的纹理不同。其过程就是给每个像素分配ー个标号,该标号反映像素在分割结果中所属的类别,对于基于图像特征的图像分割方法,图像分割的实质是ー个按照像素属性即灰度、纹理或顔色等信息进行聚类的过程,因此可以利用聚类方法将图像中一个或多个特征不连续的部分单独划分为ー个子区域,将原始信息转化为更加紧凑的形式,使得更高层次的图像分析和理解成为可能。针对传统聚类技木本身存在的一些缺陷,近年来将智能信息处理技术结合聚类用于图像分割成为ー个热点研究方向,主要包括遗传聚类、免疫克隆聚类、密母聚类等。在这类方法中,图像分割被描述为ー个组合优化问题,而这些智能信息处理技术作为一种优化算法来寻找最优的图像分割結果。上述聚类技术虽然能够克服传统聚类技术的ー些缺点,例如对初始值敏感,导致分割结果不稳定等,但是它们的启发搜索信息不足,导致搜索速度慢,耗费 ...
【技术保护点】
一种基于稀疏遗传聚类的图像分割方法,包括以下步骤:(1)对待分割的大小为256×256的图像I进行3层平稳小波变换,图像像素点总个数为z,对每个像素点提取出10维子带能量特征,构成大小为z×10的输入数据样本Y;(2)对输入数据样本Y利用KSVD算法,求解下式:min{||Y?DX||2},满足其中,D为目标训练字典并初始化为一个随机字典,X为稀疏分解矩阵,为任意第i0列,为的0范数,||Y?DX||2为求解Y?DX的2范数,T为稀疏度控制系数,根据上式迭代训练L次得到目标训练字典D={d1,d2,...,dq},q表示字典D中原子d的总个数,这里q取50;(3)从训练好的字典D中随机选取m个原子d作为初始搜索种群,这里m取20;(4)对初始搜索种群进行编码,种群中的每个染色体长度为10×k,完成编码的染色体种群记为A;(5)计算染色体种群A的适应度值f;(6)对染色体种群A进行遗传算子操作,包括交叉重组操作和高斯变异操作,经过遗传算子操作后染色体种群记为B;(7)计算染色体种群B的适应度值f1;(8)根据染色体种群A的适应度值f和染色体种群B的适应度值f1对染色体种群B中的个体采用精 ...
【技术特征摘要】
1.一种基于稀疏遗传聚类的图像分割方法,包括以下步骤 (1)对待分割的大小为256X256的图像I进行3层平稳小波变换,图像像素点总个数为z,对每个像素点提取出10维子带能量特征,构成大小为ζΧΙΟ的输入数据样本Y ; (2)对输入数据样本Y利用KSVD算法,求解下式min{ IY-DX | |2},满足2.根据权利要求1所述的基于稀疏遗传聚类的图像分割方法,其中步骤(5)所述的计算染色体种群A中的适应度值f,按如下步骤进行 (5a)定义染色体种群A中染色体的两个基因&1和\之间的欧式距离函数disls=| B1-BsI I, l,s=l,...,m,根据基因点与各个聚类中心欧氏距离最小原则获得各类的划分集合 Ot, t=l,. . . , k ; (5b)对每个划分集合Ot中的所有基因点求平均值,得到新的聚类中心为3.根据权利要求1所述的基于稀疏遗传聚类的图像分割方法,其中步骤(6)所述的对染色体种群A进行遗传算子操作,按如下步骤进行 (6a)交叉重组操作取染色体种群A中第I个序号为奇数的染色体定为父亲染色体,随机产生其它序号定为母亲染色体,同时随机产生一个O到I之间的数r,如果r小于交叉概率Pc=O. 9,则随机确定一个交叉点,使父亲染色体与母亲染色体能在该交叉点后交叉重...
【专利技术属性】
技术研发人员:缑水平,焦李成,徐聪,马晶晶,马文萍,刘若辰,公茂果,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:
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。