[发明专利]基于免疫克隆多目标优化的纹理图像分割方法

权利要求书

1.一种基于免疫克隆多目标优化的纹理图像分割方法，包括如下步骤：

(1)读入一幅大小为P的纹理图像，P=256×256；

(2)提取该纹理图像的特征矩阵G，G=[g₁，g₂，...，g_i，...，g_P]，其中，g_i为该特征矩阵中第i个特征，i＝1,...,P；

(3)产生初始抗体群并进行初始设定：

(3a)设迭代次数t=1，随机产生初始抗体群V(t)=[V₁，V₂，...，V_k，...，V₄₀]，其中，抗体群V(t)中第k个抗体V_k，表示为：V_k=[w₁,...,w_n]，k=1,2,...,40，其中w₁,...,w_n为抗体V_k中第1到n个聚类中心，n为聚类类别数；

(3b)设定聚类类别数n和最大迭代次数tmax；

(4)根据特征矩阵G和抗体群V(t)计算聚类目标函数f₁和分类目标函数f₂；

(5)对抗体群V(t)进行免疫克隆操作得到克隆后的抗体群V_c(t)，即将抗体群V(t)中每个个体复制4倍后放入抗体群V_c(t)中，克隆后的抗体群V_c(t)定义为：

V_c(t)＝[V₁,V₁,V₁,V₁,V₂,V₂,V₂,V₂,...,V₄₀,V₄₀,V₄₀,V₄₀]；

(6)对克隆后的抗体群V_c(t)进行非一致性变异操作，得到非一致变异后的抗体群V_m(t)；

(7)根据步骤(5)中得出的非一致变异后的抗体群V_m(t)进行种群更新操作，得到更新后的抗体群V_m(t+1)，即按照步骤(4)根据特征矩阵G和非一致性变异后的抗体群V_m(t)计算聚类目标函数f₁和分类目标函数f₂，从抗体群V_m(t)中选出40个聚类目标函数f₁和分类目标函数f₂同时最小的抗体，组成更新后的抗体群V(t+1)；

(8)判断当前迭代数t是否等于最大迭代次数t_max，如果当前迭代数t等于最大迭代次数t_max，则停止循环，输出抗体群V(t_max)，执行步骤(9)；否则循环执行步骤(4)～步骤(8)，直到满足循环结束条件；

(9)根据输出的抗体群V(t_max)和特征矩阵G，完成对纹理图像的分割：

(9a)计算特征矩阵G中第i个特征g_i的类别g_il，i=1,...,P：

g_il=max(u(g_i,1),u(g_i,2),...,u(g_i,n))，

其中，u(g_i,α)为中间变量，表示如下：

u(gi,α)=[1-T(gi,wα)]-1Σα=1n[1-T(gi,wα)]-1,]]>

其中，w_α为输出的抗体群V(t_max)中第k个抗体V_k中第α个聚类中心，k＝1,2,...,4，T(g_i,w_α)为高斯核函数，表示如下：

T(gi,wα)=exp(-λ||gi-wα||2max1≤i≤P||gi-1PΣi=1Pgi||2),]]>

其中，||·||²表示向量2-范数的平方，λ设为0.05，α＝1,...,n；

(9b)计算纹理图像中第i个像素的灰度值H_i：

(9c)根据纹理图像的各个像素的灰度值实现纹理图像分割。