基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割.pdf

1、近年來(lái)，數(shù)字圖像處理已成為信息科學(xué)、計(jì)算機(jī)科學(xué)、生物醫(yī)學(xué)、軍事學(xué)甚至社會(huì)科學(xué)等領(lǐng)域中各學(xué)科競(jìng)相學(xué)習(xí)和研究的對(duì)象。圖像分割則是數(shù)字圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的關(guān)鍵技術(shù)和經(jīng)典難題，其質(zhì)量決定了更高層的圖像分析和理解的效果。圖像分割問(wèn)題可以建模為不同的數(shù)學(xué)模型，借由不同的優(yōu)化方法求解。免疫克隆選擇優(yōu)化是最近人工智能研究者研究的新熱點(diǎn)和新領(lǐng)域，其借鑒了生物免疫系統(tǒng)內(nèi)部蘊(yùn)含豐富的信息處理機(jī)理和功能，所以可以提供新穎的解決圖像分割問(wèn)題的方法和途徑。另

2、外，譜聚類算法目前在模式識(shí)別領(lǐng)域得到了重視，與傳統(tǒng)的聚類算法相比，可以應(yīng)用于非凸且交疊嚴(yán)重的數(shù)據(jù)集上，而且不會(huì)陷入局部最優(yōu)。但是將其應(yīng)用于圖像分割領(lǐng)域仍然存在不少困難。針對(duì)目前圖像分割技術(shù)普遍存在的若干問(wèn)題，提出了多種新穎有效的算法和實(shí)現(xiàn)策略。本論文的主要工作概括如下：
　　1.很多基于聚類的圖像分割算法面對(duì)大尺寸圖像以及其特征空間內(nèi)含有大量的噪聲和異常點(diǎn)時(shí)，往往會(huì)影響分割的效率和質(zhì)量。于是，根據(jù)免疫克隆選擇理論，提出了一個(gè)混合免

3、疫克隆k-medoids聚類算法，并將其應(yīng)用于圖像分割中。該算法有以下幾個(gè)特點(diǎn)：首先，使用TurboPixels超像素算法將待分割圖像進(jìn)行過(guò)分割，其目的是降低空間和時(shí)間復(fù)雜度；其次，設(shè)計(jì)了一個(gè)合適的變異策略并結(jié)合一個(gè)新穎的局部啟發(fā)式搜索算子，新算法可以較快較好的得到全局最優(yōu)解；最后，被優(yōu)化求解的對(duì)象是k-medoids聚類問(wèn)題，因?yàn)樗鼘?duì)噪聲和異常點(diǎn)不敏感。在實(shí)驗(yàn)部分，選取多個(gè)人工數(shù)據(jù)集和多幅典型圖像，并對(duì)比經(jīng)典的 k-means算法、R

4、ARWGA算法以及GCA算法，新算法都顯示出較優(yōu)的性能。
　　2.聚類算法在對(duì)圖像進(jìn)行分割過(guò)程中，通常要面對(duì)如何自動(dòng)確定聚類類別數(shù)、如何克服圖像特征點(diǎn)分布復(fù)雜的流形結(jié)構(gòu)、如何減少算法運(yùn)行的時(shí)間。針對(duì)上述迫切需要解決的問(wèn)題，提出了兩個(gè)流形距離的自動(dòng)免疫克隆聚類圖像分割算法。這兩種算法的優(yōu)點(diǎn)是：第一，可以自動(dòng)確定聚類個(gè)數(shù)，不需要人為事先給定；第二，使用流形距離可以反映空間分布復(fù)雜的流形數(shù)據(jù)；第三，使用SLIC超像素而非像素來(lái)降低圖像的

5、分割時(shí)間。通過(guò)對(duì)多組人工數(shù)據(jù)集和復(fù)雜自然圖像進(jìn)行測(cè)試，并對(duì)比著名的k-means算法和GCUK算法，結(jié)果表明這兩種流形距離的自動(dòng)免疫克隆聚類圖像分割算法優(yōu)勢(shì)比較明顯，具有一定的實(shí)用性和先進(jìn)性。
　　3.彩色圖像分割可以看成是對(duì)像素點(diǎn)在顏色特征空間的分類問(wèn)題。所以彩色圖像分割方法有兩大關(guān)鍵技術(shù)需要解決：第一是如何選取合適的顏色特征空間；第二是如何選取合適的像素點(diǎn)分類器。論文中提出了一個(gè)基于克隆選擇和多重空間構(gòu)造的彩色圖像分割算法，該

6、方法首先將一些經(jīng)典的顏色分量分為亮度成分、單頻光譜成分、雙頻光譜成分、多頻光譜成分，利用主分量分析(PCA)技術(shù)分別對(duì)這四組分量進(jìn)行計(jì)算，得到最具有識(shí)別能力的顏色分量來(lái)構(gòu)造多重顏色空間；然后，對(duì)待分割彩色圖像選取訓(xùn)練樣本，使用克隆選擇算法對(duì)每類訓(xùn)練樣本進(jìn)行訓(xùn)練，獲得全局最佳的聚類中心；最后，使用這些聚類中心對(duì)整幅彩色圖像進(jìn)行分割。由于該方法結(jié)合了克隆選擇算法的非線性分類能力，通過(guò)對(duì)彩色圖像自適應(yīng)的構(gòu)造最佳多重顏色空間，能夠快速有效的得到

7、分割結(jié)果，克服了傳統(tǒng)分割方法的缺點(diǎn)。通過(guò)實(shí)驗(yàn)表明，新方法對(duì)彩色圖像同質(zhì)區(qū)的分割均勻，邊緣保持度好。此外，新方法對(duì)彩色圖像的亮度和紋理變化不敏感，魯棒性較強(qiáng)。
　　4.使用譜聚類算法對(duì)SAR圖像進(jìn)行分割，存在幾個(gè)需要解決的問(wèn)題：使用Nystr(o)m逼近的譜聚類算法雖然可以降低計(jì)算復(fù)雜度，但分割結(jié)果會(huì)受到隨機(jī)采樣的影響；譜聚類算法對(duì)核函數(shù)的尺度參數(shù)比較敏感；空間信息的權(quán)重如何選擇。據(jù)此，提出了一個(gè)基于非負(fù)矩陣分解的譜聚類集成SAR圖