基于遗传聚类的彩色图像分割-控制理论与控制工程专业论文.docxVIP

摘要大自然是人类获得灵感的源泉。几百年来，将生物界所提供的答案应用于 摘要 大自然是人类获得灵感的源泉。几百年来，将生物界所提供的答案应用于 实际问题求解已被证明是一个成功的方法，并且已形成仿生学这个专门的科学 分支。自然界所提供的答案是经过漫长的自适应过程(或演化的过苍￡)Im扶褂 的结果。除了演化过程的最终结果，我们也可以利用这一过程术身去解决一些 较为复杂的问题。于是，我们不必非常精确的描述问题的全部特征，只需根据 自然法则来产生新的更好的解。遗传算法(GA)『F是基于这一思想而发展起 来的一种通用问题求解方法。它是由美国密歇根(University ofMichigan)大 学的心理学教授、电子工程学与计算机科学教授John．Holland和他的川‘川j 学生在1975年共同研究丌创的。GA是一种借鉴生物界自然选择和进化机制 发展起来的高度并行、随机、自适应搜索算法。从算法原理上讲GA是一种群 体型操作，该操作主要以群体中的所有个体为对象。选择(selection)、交叉 (crossover)、变异(mutation)是GA的3个主要操作算子，它们也就构成了所 谓的遗传操作。GA包含了如下5个基本要素：1)、参数编码；2)、初始群体 的设定；3)、适应度函数的设计：4)、遗传操作设计：5)、控制参数设定。这 5个基本要素就是设计GA时的核心内容。由于GA思想简单，易于实现以及 运行时表现出来的健壮性，赢得了许多应用领域专家的重视．特别是近年来存 问题求解、优化和搜索、机器学习、智能控制、模式识别和人工智能等领域墩 得了许多令人鼓舞的成就。以GA为核心的进化算法，已与模糊系统理论、人 工神经网等一起成为计算智能研究中的热点，受到广泛的关注。 计算机图像处理是--f3伴随着计算技术的高度发展而新兴起的学科。它的 F1的是在计算机上实现和强化人的视觉以及人对视觉信息的加_r：和处邢能力。 它首先应用于航天领域，迄今为止已在各行业、各学科、各应川领域得剑了J“ 泛的应用。而作为任何一个图像处理系统都必须具备的基础部分 一图像分割， 已经成为图像处理领域的一个重要的研究内容。它是图像处理的主要问题，也 是计算机视觉领域低层次视觉中的主要问题，同时又是一个经典的学术难题。 到目前为止，关于图像分割还没有形成一个判断分割结果是否正确的标准。现 在，对图像分割的研究又可分为三个层次：首先是对分割算法的研究上；其次 是对分割评价方法的研究，即对分割技术的性能刻画和比较，它帮助把握不同 分割算法的特点，此为分割研究的第二层次；最后．人们已经意动{到要对分割 评价方法和评价准则进行系统研究，从而保证采用恰当的评价方法和评价准则 来研究分割技术，这可看作是图像分割研究的第三个层次。目Jji『，在图像分割 来研究分割技术，这可看作是图像分割研究的第三个层次。目Jji『，在图像分割 的算法研究中也有一些研究人员试图将以GA为代表的具有一定智能性的进 化算法引入进来，但大部分仅仅是利用这些算法作为一种优化T具，对网像分 割中的某一参数进行优化，而未能真正的利用它们对图像直接进行分割。 本文是将遗传算法与聚类分析这两种功能强大的工具相结合，从在特征空 脚内对象素进行遗传聚类的角度提出了码长固定的和码长可变的两种新颖的 遗传聚类图像分割算法，利用该算法直接对彩色图像进行聚类分割，给出了具 体的实现程序和实验结果。并在最后，对基于感兴趣区域的图像检索作了简单 的探讨。其中，第一种码长固定遗传聚类分割算法(SGACS)取的特征向量 为s=(R，G，B，X，Y)，各分量分别为像素的R、G、B值和坐标位置。当 然，若用户对分割结果要求很高或系统需要对不同性质的图像(如纹理图像、 非纹理图像)进行分割，则可以简单的对上特征向量s进行扩充，加入纹I咀信 息、梯发信息等，并且可以通过对权重的动态凋整来控制各类信息征聚类t|I所 起作用的大小，而算法SGACS不需改变就可以达到很好的效果。SGACS的 优点：i、对初始聚类中心的选择不做要求，不像一般的聚类算法(如FCM、 K均值)对初始聚类中心敏感。ii、算法简单，运行速度较快，可以提供不同 的结果供用户选择。缺点：聚类数习必须在分割前事先确定，这样有时并不容 易。为了克服SGACS的缺点我们提出了第二剥，码长可变遗传聚类分削算法 (DGACS)。DGACS将分类数目即染色体的码长融合到适应度函数中，这样 就可以在对聚类中心的动态寻优时一起优化聚类数目。从而避免了事先确定聚 类数目这一难题。故大大提高了进行图像分割的自动化程度。并在此基础之上 提出了第三种可以根据不同彩色图像的特征，自适应调整特征向量中不州向量 所占比重的具有一定智能化的通用彩色图像分割算法。 关键词：遗传算法；聚类分析：图像分割：遗传聚类：面向