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，數(shù)字圖像處理已成為信息科學(xué)、計算機科學(xué)、生物醫(yī)學(xué)、軍事學(xué)甚至社會科學(xué)等領(lǐng)域中各學(xué)科競相學(xué)習(xí)和研究的對象。圖像分割則是數(shù)字圖像處理和計算機視覺領(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和新領(lǐng)域，其借鑒了生物免疫系統(tǒng)內(nèi)部蘊含豐富的信息處理機理和功能，所以可以提供新穎的解決圖像分割問題的方法和途徑。另

2、外，譜聚類算法目前在模式識別領(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。針對目前圖像分割技術(shù)普遍存在的若干問題，提出了多種新穎有效的算法和實現(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時，往往會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。該算法有以下幾個特點：首先，使用TurboPixels超像素算法將待分割圖像進行過分割，其目的是降低空間和時間復(fù)雜度；其次，設(shè)計了一個合適的變異策略并結(jié)合一個新穎的局部啟發(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)化求解的對象是k-medoids聚類問題，因為它對噪聲和異常點不敏感。在實驗部分，選取多個人工數(shù)據(jù)集和多幅典型圖像，并對比經(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.聚類算法在對圖像進行分割過程中，通常要面對如何自動確定聚類類別數(shù)、如何克服圖像特征點分布復(fù)雜的流形結(jié)構(gòu)、如何減少算法運行的時間。針對上述迫切需要解決的問題，提出了兩個流形距離的自動免疫克隆聚類圖像分割算法。這兩種算法的優(yōu)點是：第一，可以自動確定聚類個數(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超像素而非像素來降低圖像的

5、分割時間。通過對多組人工數(shù)據(jù)集和復(fù)雜自然圖像進行測試，并對比著名的k-means算法和GCUK算法，結(jié)果表明這兩種流形距離的自動免疫克隆聚類圖像分割算法優(yōu)勢比較明顯，具有一定的實用性和先進性。
　　3.彩色圖像分割可以看成是對像素點在顏色特征空間的分類問題。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分類器。論文中提出了一個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)分別對這四組分量進行計算，得到最具有識別能力的顏色分量來構(gòu)造多重顏色空間；然后，對待分割彩色圖像選取訓(xùn)練樣本，使用克隆選擇算法對每類訓(xùn)練樣本進行訓(xùn)練，獲得全局最佳的聚類中心；最后，使用這些聚類中心對整幅彩色圖像進行分割。由于該方法結(jié)合了克隆選擇算法的非線性分類能力，通過對彩色圖像自適應(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。通過實驗表明，新方法對彩色圖像同質(zhì)區(qū)的分割均勻，邊緣保持度好。此外，新方法對彩色圖像的亮度和紋理變化不敏感，魯棒性較強。
　　4.使用譜聚類算法對SAR圖像進行分割，存在幾個需要解決的問題：使用Nystr(o)m逼近的譜聚類算法雖然可以降低計算復(fù)雜度，但分割結(jié)果會受到隨機采樣的影響；譜聚類算法對核函數(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，提出了一個基于非負(fù)矩陣分解的譜聚類集成SAR圖