基于nsga-ⅱ進(jìn)化算法的彩色圖像分割的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明隸屬于圖像處理技術(shù)領(lǐng)域，主要用于對(duì)彩色圖像進(jìn)行分割W達(dá)到目標(biāo)識(shí) 別。
【背景技術(shù)】
[0002] 圖像分割在圖像處理領(lǐng)域的作用是極其重要的，是計(jì)算機(jī)視覺(jué)和模式識(shí)別中關(guān)鍵 技術(shù)之一，近年來(lái)許多學(xué)者將智能計(jì)算技術(shù)應(yīng)用于圖像分割領(lǐng)域，其主要包括神經(jīng)網(wǎng)絡(luò)、遺 傳算法、群智能算法W及人工免疫系統(tǒng)框架。所謂分割就是將圖像分為若干區(qū)域，它們之間 互相不重疊，每個(gè)區(qū)域代表圖像中不同的特征，并把同一部分像素標(biāo)記為相同的值，每個(gè)相 同的值在分割過(guò)程中對(duì)應(yīng)一個(gè)標(biāo)記號(hào)。只要找到對(duì)應(yīng)像素的特征標(biāo)記號(hào)，就行得到對(duì)像素 的分類結(jié)果，從而實(shí)現(xiàn)圖像分割。
[0003] 進(jìn)化多目標(biāo)優(yōu)化是進(jìn)化領(lǐng)域的一個(gè)重要研究方向，而基于pareto最優(yōu)解概念的 多目標(biāo)遺傳算法則是當(dāng)前遺傳算法的研究熱點(diǎn)。
[0004]NSGA-II是2002年Deb等人對(duì)其算法NSGA的改進(jìn)，它是迄今為止最優(yōu)秀的進(jìn) 化多目標(biāo)優(yōu)化算法之一，提出該算法的文獻(xiàn)是《DebK,PratapA,AgarwalS,Meyarivan T.Afastandelitistmulti-objectivegeneticalgorithm:NSGA-II.IEEETrans,on EvolutionaryComputation，2002,6(2):182-197〉〉。相對(duì)于NSGA而言，NSGA-II具有臥下 優(yōu)點(diǎn)；一是新的基于分級(jí)的快速非支配解排序方法降低了計(jì)算復(fù)雜度；二是為了標(biāo)定快速 非支配排序后同級(jí)中不同元素的適應(yīng)度值，同時(shí)使當(dāng)前pareto前沿面中的個(gè)體能夠擴(kuò)展 到整個(gè)pareto前沿面，并盡可能地均勻遍布。該算法提出了擁擠距離的概念。采用擁擠距 離比較算子代替了NSGA中的適應(yīng)度共享方法；S是引入了精英保留機(jī)制，經(jīng)選擇后參加繁 殖的個(gè)體所產(chǎn)生的后代與其父代個(gè)體共同競(jìng)爭(zhēng)來(lái)產(chǎn)生下一代種群，因此有利于保持優(yōu)良的 個(gè)體，提高種群的整體進(jìn)化水平。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于將圖切能量函數(shù)式中的區(qū)域懲罰項(xiàng)R(x)和邊界懲罰項(xiàng)B(x) 作為多目標(biāo)優(yōu)化中的兩個(gè)目標(biāo)函數(shù)，避免了圖切能量函數(shù)中參數(shù)A的使用，提出一種基于 NSGA-II進(jìn)化算法的方法來(lái)進(jìn)行彩色圖像分割，從而省略了A參數(shù)的確定。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明包括如下步驟：
[0007] (1)輸入一幅待分割圖像；
[000引似對(duì)待分割圖像中的像素進(jìn)行標(biāo)記并聚類，得到標(biāo)記并聚類后的圖像；
[0009] (3)對(duì)標(biāo)記并聚類后的圖像用分水嶺方法進(jìn)行粗分割，得到粗分割后的圖像；
[0010] (4)對(duì)粗分割后的圖像進(jìn)行種群初始化，得到初始化種群；
[0011] (5)計(jì)算初始化種群中的個(gè)體的適應(yīng)度；
[0012] 做初始化種群非支配快速排序，得到排序的序號(hào)和擁擠度距離：
[001引 6a)利用NSGA-II算法中的非支配快速排序?qū)Τ跏蓟N群中的個(gè)體進(jìn)行排序，生 成排序的序號(hào)，把初始化種群中的個(gè)體按照序號(hào)從小到大劃分等級(jí)；
[0014] 6b)利用NSGA-II算法中的擁擠度距離計(jì)算方法計(jì)算同一等級(jí)上的個(gè)體之間的擁 擠度距罔；
[0015] (7)根據(jù)排序的序號(hào)和擁擠度距離通過(guò)二元錦標(biāo)賽算法選擇父代種群；
[0016] (8)父代種群交叉和變異生成子代：
[0017] 8a)對(duì)父代種群做交叉操作，得到交叉后的子代種群；
[001引8b)對(duì)父代種群做變異操作，得到變異后的子代種群；
[0019] (9)父代和子代種群合并進(jìn)行非支配快速排序，得到排序序號(hào)和擁擠度距離：
[0020] 9a)利用NSGA-II算法中的非支配快速排序?qū)喜⒑蠓N群中的個(gè)體進(jìn)行排序，生 成排序的序號(hào)，按照序號(hào)從小到大把合并后種群中的個(gè)體劃分等級(jí)；
[002U 9b)利用NSGA-II算法中的擁擠度距離計(jì)算方法計(jì)算同一等級(jí)上的個(gè)體之間的擁 擠度距離；
[0022] (10)根據(jù)排序的序號(hào)和擁擠度距離通過(guò)二元錦標(biāo)賽算法選擇出精英種群；
[0023] (11)判斷是否達(dá)到循環(huán)代數(shù)設(shè)置條件，本實(shí)驗(yàn)循環(huán)代數(shù)設(shè)置為700。若未達(dá)到則 跳轉(zhuǎn)到步驟（7)，并循環(huán)直至達(dá)到循環(huán)代數(shù)設(shè)置條件，輸出pareto前端；
[0024] (。）從pareto前端中選取一個(gè)解，給待分割圖像的像素點(diǎn)賦值，得到待分割圖像 中所有像素的最終分割結(jié)果。
[0025] 本發(fā)明與現(xiàn)有技術(shù)相比具有W下優(yōu)點(diǎn)：
[0026] 第一，本發(fā)明利用梯度幅度對(duì)圖像進(jìn)行預(yù)先處理，并在梯度圖像上運(yùn)用形態(tài)學(xué)開(kāi) 閉運(yùn)算來(lái)平滑圖像，最后在梯度圖像的基礎(chǔ)上采用分水嶺算法對(duì)圖像進(jìn)行粗分割，從而有 效地解決了過(guò)分割問(wèn)題，降低了算法的時(shí)間復(fù)雜度。
[0027] 第二，本發(fā)明將圖切能量函數(shù)式中的區(qū)域懲罰項(xiàng)R(x)和邊界懲罰項(xiàng)B(x)作為多 目標(biāo)優(yōu)化中的兩個(gè)目標(biāo)函數(shù)，用多目標(biāo)優(yōu)化的方法來(lái)進(jìn)行彩色圖像分割，從而避免了圖切 能量函數(shù)中參數(shù)A的使用，而參數(shù)A的確定本身是一個(gè)非常麻煩卻無(wú)技巧可言的過(guò)程。 [002引第S，本發(fā)明得到了一組結(jié)果，可W根據(jù)需求的不同來(lái)選擇自己想要的結(jié)果。
【附圖說(shuō)明】
[0029] 圖1為本發(fā)明的實(shí)現(xiàn)流程圖；
[0030] 圖2為本發(fā)明的仿真實(shí)驗(yàn)中對(duì)flowers分割的結(jié)果圖；
[0031] 圖3為本發(fā)明的仿真實(shí)驗(yàn)中對(duì)tree分割的結(jié)果圖；
[0032] 圖4為本發(fā)明的仿真實(shí)驗(yàn)中對(duì)pumpkin分割的結(jié)果圖。
【具體實(shí)施方式】
[0033] 下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。
[0034]參照?qǐng)D1，本發(fā)明的具體實(shí)現(xiàn)如下：
[0035] 步驟1，輸入一幅待分割圖像。
[0036] 本發(fā)明的待分割圖像為彩色自然圖像。
[0037]步驟2,對(duì)待分割圖像中的像素進(jìn)行標(biāo)記并聚類，得到標(biāo)記并聚類后的圖像。
[003引 （2. 1)設(shè)計(jì)交互式界面：
[0039] (2. 1. 1)用matl油設(shè)計(jì)界面，打開(kāi)一個(gè)窗口，窗口的工具欄中只有一個(gè)選項(xiàng) "file", "file"的下拉選項(xiàng)中有"open"和"exit",分別對(duì)應(yīng)的操作是打開(kāi)圖像和退出整個(gè) 過(guò)程。窗口左邊大面積顯示待分割圖像，右邊是單擊按鈕，用戶單擊"objseeds"按鈕可W 在圖像上標(biāo)記目標(biāo)種子，單擊"bkgseeds"可W標(biāo)記背景種子；
[0040] (2. 1. 2)根據(jù)用戶的個(gè)人喜好在待分割圖像上標(biāo)記目標(biāo)種子和背景種子，紅色痕 跡代表目標(biāo)種子，藍(lán)色痕跡代表背景種子；
[0041] (2. 2)分別對(duì)目標(biāo)種子和背景種子進(jìn)行聚類，采用的方法是模糊C均值聚類，聚類 數(shù)目設(shè)置成40。
[0042] 步驟3,對(duì)標(biāo)記并聚類后的圖像使用分水嶺方法進(jìn)行粗分割，得到粗分割后的圖 像。
[0043] (3. 1)利用梯度幅度對(duì)標(biāo)記并聚類后的圖像進(jìn)行預(yù)先處理，形成梯度圖像；
[0044] (3. 2)在梯度圖像上運(yùn)用形態(tài)學(xué)開(kāi)閉運(yùn)算W平滑梯度圖像：
[0045] (3. 2. 1)先腐蝕后膨脹的過(guò)程稱為開(kāi)運(yùn)算。用來(lái)消除小物體、在纖細(xì)點(diǎn)處分離物 體、平滑較大物體的邊界的同時(shí)并不明顯改變其面積；
[0046] (3. 2. 2)先膨脹后腐蝕的過(guò)程稱為閉運(yùn)算。用來(lái)填充物體內(nèi)細(xì)小空洞、連接鄰近物 體、平滑其邊界的同時(shí)并不明顯改變其面積；
[0047] (3. 3)用分水嶺方法對(duì)平滑后的梯度圖像進(jìn)行粗分割，得到不同的圖像塊。
[0048] 步驟4,對(duì)粗分割后的圖像進(jìn)行種群初始化，得到初始化種群。
[0049] 初始種群的大小pop設(shè)為150,進(jìn)化代數(shù)gen設(shè)為700,種群中的個(gè)體代表對(duì)分水 嶺粗分割得到的圖像的塊的標(biāo)號(hào)，每個(gè)個(gè)體代表一個(gè)圖像塊的標(biāo)號(hào)（標(biāo)號(hào)取值為0或者1)。 屬于目標(biāo)的個(gè)體標(biāo)號(hào)固定為1，屬于背景的個(gè)體標(biāo)號(hào)固定為0,其余采用隨機(jī)初始化的方法 設(shè)定。
[0化0] 步驟5,計(jì)算初始化種群中的個(gè)體的適應(yīng)度。
[0051] 計(jì)算初始化種群中的個(gè)體的適應(yīng)度即對(duì)圖切能量函數(shù)進(jìn)行計(jì)算的過(guò)程，圖切能量 函數(shù)式E(X)如下：
[0052] E(x) =AR(x)+B(x)
[0化3] 待優(yōu)化的兩個(gè)目標(biāo)函數(shù)為
[0054]
[0化5] (5.l)R(x)為圖切能量函數(shù)式中的區(qū)域懲罰項(xiàng)，衡量的是對(duì)圖像中的每一個(gè)像素 賦予一個(gè)特定的標(biāo)號(hào)所要付出的代價(jià)R(Xi)之和，其定義如下：
[0化6] (5. 1. 1)首先對(duì)用戶標(biāo)記的種子進(jìn)行預(yù)處理，即對(duì)分別將前景種子和背景種子聚 成K類，對(duì)種子聚類操作完成之后得到的中屯、分別用{辟巧日{(diào)辟]來(lái)表示，該個(gè)值將會(huì)在后 續(xù)的區(qū)域懲罰項(xiàng)時(shí)用到。其中，n代表前景種子的第n類，m代表背景種子的第m類。
[0化7] (5. 1. 2)對(duì)于每一個(gè)像素i，計(jì)算它與每一個(gè)前景種子類的顏色距離，然后選擇顏 色距離最小的一個(gè)作為該像素點(diǎn)到前景種子的距離df，同樣，對(duì)于每一個(gè)像素i，計(jì)算它與 每一個(gè)背景種子類的顏色距離，然后選擇顏色距離最小的一個(gè)作為該像素點(diǎn)到背景種子的 距離df\.公式如下；
[005引
[0化9] (5. 1. 3)對(duì)種子像素處理完畢后，并得到了每一個(gè)像素到前景種子和背景種子的 距離，然后建立數(shù)據(jù)項(xiàng)（區(qū)域懲罰項(xiàng)），定義如下：
[0060]
[0061] (5. 2)B(x)為圖切能量函數(shù)式中的邊界懲罰項(xiàng)，衡量的是將所有相鄰的兩個(gè)像素 賦予不同標(biāo)號(hào)是所要付出的代價(jià)值和，也就是說(shuō)，邊界懲罰項(xiàng)應(yīng)該體現(xiàn)兩個(gè)相鄰像素究竟 能夠達(dá)到怎樣的一個(gè)相似程度，其定義如下：
[006引（5. 2. 1)只有當(dāng)相鄰的兩個(gè)像素被賦予不同的標(biāo)號(hào)時(shí)，該個(gè)懲罰才有效，當(dāng)該兩個(gè) 像素相似性程度很高時(shí)，該個(gè)代價(jià)值應(yīng)該很大，當(dāng)他們之間相差較遠(yuǎn)時(shí)，將他們分成不同類 的代價(jià)應(yīng)該很小，接近于0。
[006引（5. 2.。B(i，_]?)的定義如下；
[0064]
[00化]其中，IIc(i)-c(j)II2是像素i和j的顏色梯度，該種定義方法只利用了像素之間 的顏色梯度來(lái)衡量它們的相似性。
[0066] (5.如5 (X。Xj)的定義如下；
[0067]
[0068] 步驟6,初始化種群非支配快速排序，得到排序的序號(hào)和擁擠度距離。
[0069] (6. 1)根據(jù)個(gè)體的適應(yīng)度值和pareto準(zhǔn)則，對(duì)種群進(jìn)行非支配快速排序得到非支 配個(gè)體，將所有的非支配個(gè)體組成一個(gè)臨時(shí)種群，其中，pareto準(zhǔn)則為：
[0070] 對(duì)m個(gè)多目標(biāo)變量的多目標(biāo)優(yōu)化問(wèn)題可表述為：
[0071]minF(X) =(f1(X), (X)，…，fm(X))T,XGX
[0072] 假設(shè)Xa,XbGX為兩個(gè)可行解，若XApareto支配Xb，則存在且只存在
[0073]
[0074] 記作XafXb如果不存在其它解支配XA，則稱Xa為非支配解，
[0075] 其中X為可行域