基于免疫遺傳算法的圖像分割方法.pdf

1、圖像工程是近幾年發(fā)展起來的一門學(xué)科，它的研究內(nèi)容非常豐富，根據(jù)抽象程度和研究方法的不同可分為二個層次：圖像處理、圖像分析和圖像理解。圖像處理的目的之一是圖像識別，而圖像分割與測量是圖像識別工作的基礎(chǔ)。圖像分割是將圖像分成一些有意義的區(qū)域，然后對這些區(qū)域進(jìn)行描述，相當(dāng)于提取出某些目標(biāo)區(qū)域圖像的特征，判斷圖像中是否有感興趣的目標(biāo)。在以往的圖像分割技術(shù)中，基于閾值的分割是一種基礎(chǔ)型的方法，該方法算法簡單，在處理速度上有優(yōu)勢，但不適合于圖像中模

2、糊邊界的分割。常用的解決模糊邊界的方法有模糊c-均值聚類算法、ISO-DATA方法等。這些算法能克服監(jiān)督學(xué)習(xí)分類的許多不足，但需對已知樣本事先確定分類數(shù)。免疫系統(tǒng)是高度并行的分布式信息處理系統(tǒng)，受到免疫網(wǎng)絡(luò)理論的思想啟發(fā)，以及免疫系統(tǒng)中抗體群學(xué)習(xí)抗原具有無監(jiān)督的特性，國際上有幾位學(xué)者開發(fā)了幾種免疫網(wǎng)絡(luò)算法用于數(shù)據(jù)聚類，這些算法在工程應(yīng)用中得到了有效應(yīng)用，其共同的特點(diǎn)是都為非監(jiān)督學(xué)習(xí)算法，并具有突現(xiàn)性質(zhì)，因而開了免疫網(wǎng)絡(luò)算法解決實(shí)際問題是

3、一很有發(fā)展前景的研究方向。免疫系統(tǒng)是一種復(fù)雜的自適應(yīng)系統(tǒng)，該系統(tǒng)能有效地使用多種機(jī)制防御外部病原體入侵。具體表現(xiàn)為免疫記憶、抗體的自我識別能力和免疫多樣性的優(yōu)點(diǎn)。同時生物免疫系統(tǒng)在運(yùn)行中表現(xiàn)出眾多智能特性，如對各種抗原的識別和應(yīng)答過程實(shí)際就是一個進(jìn)化學(xué)習(xí)的過程。因此，結(jié)合這些特點(diǎn)提出的人工免疫算法，保留了生物免疫系統(tǒng)的若干特點(diǎn)，如多樣性好、魯棒性強(qiáng)、隱含并行性等。通過對生物免疫系統(tǒng)的系統(tǒng)學(xué)習(xí)，同時隨著計算機(jī)免疫學(xué)的不斷發(fā)展，免疫優(yōu)化的思

4、想在高效的優(yōu)化技術(shù)和智能計算這兩方面，有著越來越廣泛的應(yīng)用，其在模式識別、故障診斷、計算機(jī)安全等領(lǐng)域得到廣泛的實(shí)際應(yīng)用。然而，類似于其它新型智能算法，人工免疫算法也存在一些不足，如存在早熟收斂、局部搜索能力不足等。因此，改進(jìn)的免疫智能的研究，已成為網(wǎng)絡(luò)、智能、控制、計算等領(lǐng)域研究的重點(diǎn)和熱點(diǎn)之一。本文的主要工作是研究如何將免疫規(guī)劃思想應(yīng)用于圖像分割問題上，實(shí)現(xiàn)較為理想的圖像分割。為此，本文將重點(diǎn)研究如何將圖像分割問題轉(zhuǎn)化為一個帶約束的優(yōu)

5、化問題，并利用免疫規(guī)劃算法來完成尋優(yōu)工作。 由于遺傳算法具有全局搜索能力，是一種迭代式的優(yōu)化算法，將它與已有的一些圖像分割方法相結(jié)合，既保證了分割效果，又具有良好的實(shí)時性，因而得到了廣泛應(yīng)用。然而，由于圖像本身的復(fù)雜性和運(yùn)算量大等問題，基于遺傳算法的分割方法存在著運(yùn)行速度慢、易形成未成熟收斂等缺點(diǎn)。而免疫規(guī)劃作為一種強(qiáng)魯棒性的隨機(jī)搜索算法，在遺傳算法的基礎(chǔ)上增加了免疫操作算子，能夠以一定的強(qiáng)度干預(yù)全局并行的搜索進(jìn)程，從而克服了遺

6、傳算法中不可避免的退化現(xiàn)象，并且在親和力的指導(dǎo)下能夠保持個體的多樣性，在一定程度上解決了遺傳算法易陷入局部最優(yōu)的弊病，因此，免疫規(guī)劃可以看作是對遺傳算法的一種改進(jìn)，將其應(yīng)用到圖像分割的最優(yōu)化過程中，能夠求得比遺傳算法更為精確的分割效果。免疫系統(tǒng)獨(dú)特的自我學(xué)習(xí)，自我組織和高度并行性，提供了一種強(qiáng)大的信息處理和問題求解范式，為人們解決目前面臨的許多工程上的熱點(diǎn)難點(diǎn)問題提供了新思路。免疫規(guī)劃集免疫機(jī)制與進(jìn)化機(jī)制于一體，是人工免疫系統(tǒng)在工程應(yīng)用

7、中的新思路。免疫規(guī)劃作為一種魯棒性較強(qiáng)的全局優(yōu)化算法，吸取了遺傳算法并行搜索的優(yōu)點(diǎn)，能夠利用局部特征信息構(gòu)造免疫算子，通過接種疫苗和免疫選擇，以一定的強(qiáng)度干預(yù)全局并行的搜索進(jìn)程，有效地抑制了以往進(jìn)化算法中的退化現(xiàn)象，使構(gòu)造出的算法具有快速全局收斂的良好性能，并且在親和力的指導(dǎo)下能夠保持一定的多樣性，避免了過早收斂等問題，提高了算法的整體性能。需要解決的問題越復(fù)雜，免疫規(guī)劃的優(yōu)越性就越大，而圖像分割本身具有的復(fù)雜性和運(yùn)算量大等特點(diǎn)，能夠使

8、免疫規(guī)劃的優(yōu)勢得到充分的發(fā)揮。因此，將免疫規(guī)劃應(yīng)用到圖像分割中能求得比遺傳算法等進(jìn)化算法更為精確的分割效果。而閾值法是最常用的圖像分割方法，因其實(shí)現(xiàn)簡單、計算量小、性能穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。然而，閾值選擇的恰當(dāng)與否對分割的效果起著決定性作用。在一些當(dāng)前流行的閾值選取算法中，為控制圖像分割造成的信息損失而提出的一種基于信息熵準(zhǔn)則的圖像閾值自動選取方法引起了人們的極大關(guān)注，其理論研究及實(shí)際應(yīng)用均獲得了重大突破。研

9、究者們利用遺傳算法等高效優(yōu)化算法進(jìn)行基于信息熵理論的分割閾值計算，既保證了效果，又具有良好的實(shí)時性。然而對某些特殊圖像，這類方法卻不能得到理想效果。比如圖像中目標(biāo)和背景為多灰度級或灰度相近、灰度直方圖為多峰并且無主要波谷等復(fù)雜情況，用遺傳算法所得到的最佳閾值不能將目標(biāo)從背景中清晰的提取出來，原因在于遺傳算法易陷入局部最優(yōu)解，所求得的最大熵處的分割閾值可能將目標(biāo)和背景的一些灰度部分錯分，最佳閾值實(shí)際出現(xiàn)在熵的某個局部最大值處。本文的研究內(nèi)

10、容如下： 綜述了圖像分割的研究目的和意義，指出目前對圖像分割方法的研究傾向于將分割看作一個帶約束的優(yōu)化問題。介紹了人工免疫系統(tǒng)的研究背景和基于各種免疫機(jī)制原理設(shè)計的優(yōu)化算法的研究現(xiàn)狀。對圖像分割研究進(jìn)行了綜述，介紹了圖像分割的基本概念和方法、并行區(qū)域分割技術(shù)和串行區(qū)域分割技術(shù)。介紹了遺傳算法的基本理論，包括標(biāo)準(zhǔn)遺傳算法的基本概念、基本原理和特點(diǎn)。研究了免疫遺傳系統(tǒng)的機(jī)制和性能以及在此基礎(chǔ)上建立起來的人工免疫系統(tǒng)的原理及其在優(yōu)化問

11、題中的應(yīng)用。重點(diǎn)介紹了免疫規(guī)劃算法的設(shè)計步驟。考慮到免疫規(guī)劃在優(yōu)化問題中的優(yōu)良特性，重點(diǎn)研究了免疫規(guī)劃在圖像分割中的應(yīng)用研究，討論了圖像分割的幾個基本步驟，包括預(yù)處理，區(qū)域分割和連通標(biāo)記、后處理（形態(tài)學(xué)濾波）。提出了一種基于最大信息熵理論的圖像閾值分割算法，算法過程如下：入侵抗原和編碼方式、初始化、提取疫苗、停機(jī)判斷、計算適應(yīng)度、抗體群體的遺傳算子操作（基于個體濃度的自適應(yīng)抑制和促進(jìn)選擇算子、交叉算子、變異算子）、免疫算子操作、群體更新

12、。利用量化圖像的灰度直方圖來計算熵，能夠大大降低計算量。以256個灰度級的圖像為例，量化后為32個灰度級，因此，基于量化圖像直方圖的運(yùn)算量只有基于原始圖像直方圖運(yùn)算量的1/8。對免疫規(guī)劃在基于最大信息上理論的圖像分割算法中的應(yīng)用進(jìn)行了仿真實(shí)驗(yàn)，并與相應(yīng)的經(jīng)典遺傳算法進(jìn)行比較，對分割結(jié)果和實(shí)驗(yàn)數(shù)據(jù)作了分析和總結(jié)。實(shí)驗(yàn)結(jié)果表明，基于免疫規(guī)劃的圖像閾值分割，不僅能夠自動尋找合適的閾值，而且算法的適應(yīng)性強(qiáng)，不但適合于具有雙峰結(jié)構(gòu)直方圖的圖像，對

13、直方圖結(jié)構(gòu)較為復(fù)雜的圖像也非常有效。 本文的免疫規(guī)劃算法，利用局部特征信息構(gòu)造免疫算子，通過接種疫苗和免疫選擇，以一定的強(qiáng)度干預(yù)全局并行的搜索進(jìn)程，有效地抑制了以往遺傳算法中的退化現(xiàn)象，使構(gòu)造出的算法具有快速全局收斂的良好性能，驗(yàn)證了在解決復(fù)雜問題時利用局部特征信息尋找全局最優(yōu)解的可行性與有效性。并且在親和力的指導(dǎo)下，免疫規(guī)劃能夠保持一定的個體多樣性，避免了過早收斂等問題，提高了算法的整體性能。需要解決的問題越復(fù)雜，免疫規(guī)劃的優(yōu)