亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        差分演化優(yōu)化Ncut準(zhǔn)則的彩色圖像分割*

        2012-08-08 02:31:52陳瑞南劉秉瀚
        關(guān)鍵詞:彩色圖像二進(jìn)制差分

        陳瑞南,劉秉瀚

        (福州大學(xué) 數(shù)學(xué)與計算機科學(xué)學(xué)院,福建 福州350108)

        基于圖論的分割算法是近年來圖像分割領(lǐng)域的研究熱點[1-2]?;趫D論的圖像分割方法通過像素圖像構(gòu)造為帶權(quán)無向圖,通過將圖像映射為加權(quán)的無向圖,再把圖像分割的問題轉(zhuǎn)換成圖的最優(yōu)劃分的問題?;趫D論的分割準(zhǔn)則[2]包括規(guī)范割Ncut(Normalize cut)準(zhǔn)則和最小生成樹MST(Minimum Spanning Tree)準(zhǔn)則等,其中較為常用的是Ncut準(zhǔn)則,其屬于NP難問題。

        使用Ncut準(zhǔn)則存在兩個難點:(1)當(dāng)圖像尺寸很大時,使用像素構(gòu)造無向帶權(quán)圖將導(dǎo)致相似矩陣規(guī)模很大,內(nèi)存消耗嚴(yán)重;(2)Ncut準(zhǔn)則屬于NP難問題,并沒有精確求出Ncut最優(yōu)解的算法。針對第一個問題出現(xiàn)了很多改進(jìn)方法:有的方法先將圖像劃分為若干塊區(qū)域,再使用Ncut方法進(jìn)行分割,例如將分水嶺算法與Ncut結(jié)合[3];參考文獻(xiàn)[4]將圖像分為若干小塊后每塊使用Ncut方法進(jìn)行分割之后對分割出的塊再用Ncut方法進(jìn)行分割。這些方法的目的都是通過減少圖中的節(jié)點數(shù)從而縮減權(quán)值矩陣,以降低計算復(fù)雜度,提高算法效率。而對于第二個問題,在實際應(yīng)用中常常采用近似的求解算法。Shi和Malik[1]提出的SM算法考慮了問題的連續(xù)放松形式,將原問題轉(zhuǎn)換成求解相似矩陣或拉普拉斯矩陣的譜分解,通過求解廣義特征方程,得到對圖劃分準(zhǔn)則的逼近,但是SM算法求得的解也只是近似解。

        針對使用Ncut準(zhǔn)則圖像分割的兩個難點,參考文獻(xiàn)[5]提出一種基于遺傳算法優(yōu)化Ncut準(zhǔn)則的灰色圖像分割算法。受此啟發(fā),本文提出一種基于Ncut方法的彩色圖像分割算法:首先用爬山法對彩色圖像進(jìn)行初次分類,將像素聚類成c類,初次分類縮減了權(quán)值矩陣的規(guī)模;之后求出c類區(qū)域的相似矩陣,采用在求解NP-hard問題上具有更強尋優(yōu)能力的二進(jìn)制差分演化算法代替SM算法尋求最優(yōu)Ncut值的圖二分。實驗結(jié)果表明,在同等預(yù)處理的條件下,本文的算法相比SM能夠更精確地將目標(biāo)分割出來。

        1 背景知識

        1.1 Ncut準(zhǔn)則與SM算法[1]

        一幅無向圖G=(V;E)可以劃分為兩個不連接的頂點集C1和 C2。C1和 C2的不相似程度可以用如式(1)計算:

        其中,權(quán)重w(u,v)表示節(jié)點u和v的相似性程度。圖的最優(yōu)二劃分的目的是找到一個最小化cut(C1,C2)。然而,以式(1)為標(biāo)準(zhǔn)的分割方法存在偏向小區(qū)域的情形,如圖1所示其容易劃分出孤立點。

        為了克服上述缺點,Shi和Malik提出了一種新的衡量相似性劃分準(zhǔn)則,即為正則化(Ncut)劃分:

        其中 assoc(C1,V)=Σu∈A,t∈Vw(u,v)表示頂點集 C1與 V 之間的連接邊的權(quán)值總和。同理,assoc(C2,V)表示為頂點集C2與V之間連接邊的權(quán)值總和。

        求最優(yōu)Ncut最優(yōu)值是一個NP難問題,為此,Shi和Malik[1]將這一NP難問題轉(zhuǎn)化為銳利問題(SM算法),從而求得有效的近似解。設(shè)N為頂點數(shù)總和,d(i)=Σjw(i,j)為節(jié)點i與其他頂點的連接權(quán)之和,D是d的對角矩陣;W為 N×N的對稱矩陣且 W(i,j)=w(i,j)。則Ncut最小值的問題近似地轉(zhuǎn)化為如下形式:

        如果將y的取值放松至實數(shù)范圍,式(3)的最優(yōu)化問題相當(dāng)于求解如下矩陣方程:

        通過式(4)的第二小特征值對應(yīng)的特征向量y=(y1,y2,…,yN)即為該問題的解。之后需要從y中取得一個分割值 yi將 頂 點 集 劃 分 為 C1和 C2(C1={Vi|yi>0},C2={Vi|yi≤0})),通常取向量 yi=0或 y的中值。

        1.2 二進(jìn)制混合差分演化算法

        差分演化算法(DE)是一種基于實數(shù)編碼的具有保優(yōu)思想的貪婪遺傳算法。算法主要有變異、交叉和選擇3個操作,由于這3個算子簡單有效,使得DE比粒子群和遺傳算法的收斂速度更快,全局收斂性能更優(yōu)。賀毅朝等學(xué)者[6]通過引入了“輔助搜索空間”和“個體混合編碼”等概念而提出了第一個二進(jìn)制DE算法,并稱之為二進(jìn)制混合差分演化算法(HBDE)。HBDE已被證明完全收斂,具有DE所有的優(yōu)點,非常適用于求解離散域上的最優(yōu)化問題。

        HBDE將個體混合編碼為(X,B),其中X是d維實數(shù)型搜索向量,B是d維二進(jìn)制評價向量。設(shè)種群規(guī)模為NP,第t代中間種群中第i個中間個體的編碼為(Xi(t),Bi(t)),其中:

        差異算子:

        其中,p1≠p2≠p3≠i,1≤i≤NP,1≤j≤d,參數(shù) F∈[0,2]為縮放因子,通常F=0.5是一個較好的初始值;r是[0,1]之間的隨機數(shù);CR∈[0,1]是交叉概率,大的 CR通常會加速收斂;R(i)是[1,n]上的一個隨機整數(shù)用以保證至少有一個個體產(chǎn)生變異;Sig(x)=1/(1+e-x)。

        選擇算子:

        其中 f(·)是個體評價函數(shù)。

        2 優(yōu)化Ncut準(zhǔn)則的圖像分割方法

        以像素為單位構(gòu)造權(quán)值矩陣再采用Ncut準(zhǔn)則對圖像進(jìn)行分割,矩陣規(guī)模很大,耗時嚴(yán)重。為此本文提出一種解決策略,先用爬山法對彩色圖像預(yù)先分成c類區(qū)域,之后采用彩色向量均值作為區(qū)域的描述向量。由于圖像被壓縮為c類,將c類一分為二的NP難最優(yōu)化問題可采用二進(jìn)制混合差分演化算法求得最優(yōu)解。

        2.1 基于爬山法的彩色圖像初始化分割[7-8]

        爬山法通過兩個步驟在RGB色彩空間下將圖像分割為具有較好一致性的數(shù)個圖像區(qū)域。該方法首先求出整幅圖像的三維RGB彩色直方圖的局部極大值;然后將c個局部極大值作為聚類中心,通過k-means算法將圖像聚類為c個一致性保持得較好區(qū)域。整個算法控制參數(shù)僅有每個通道的直方圖柱數(shù)BinNum。

        2.2 構(gòu)造無向帶權(quán)圖

        通過爬山法處理,圖像I將劃分為c類區(qū)域,即I=I1∪I2…∪Ic。將每一塊的區(qū)域作為圖G的節(jié)點。

        2.3 使用差分演化算法優(yōu)化Ncut準(zhǔn)則

        以式(2)為評價函數(shù),采用通過二進(jìn)制差分演化算法將2.2節(jié)構(gòu)造出的c類區(qū)域分為兩類(C1和C2)的組合尋優(yōu)算法,具體步驟如下:

        (1)初始化種群。初始化HBDE的種群大小為NP,交叉概率為CR,縮放因子為F,輔助搜索空間為[-a,a]d。隨機產(chǎn)生 NP個體,每個個體為(X,B),其中 X=(x1,x2,…,xc)為實數(shù)編碼對應(yīng)于輔助空間,B=(b1,b2,…,bc)為對應(yīng)的二進(jìn)制編碼。

        (2)適應(yīng)度函數(shù)的設(shè)計。采用式(2)的Ncut準(zhǔn)則作為個體的適應(yīng)值。

        (3)評價個體。種群的單個個體對應(yīng)的二進(jìn)制編碼B=(b1,b2,…,bc)的取為1和為0的基因分別代表圖G的頂點屬于C1和C2,查找權(quán)值矩陣 Wc求得個體對應(yīng)的cut(C1,V)、和 cut(C1,C2),之后通過式(2)求得個體的適應(yīng)值。

        (4)變異與選擇。采用式(5)、(6)對種群的個體進(jìn)行變異,采用式(7)進(jìn)行選擇操作。

        (5)變異與選擇是否達(dá)到指定的迭代次數(shù)tmax,若達(dá)到,則當(dāng)前最優(yōu)適應(yīng)值個體對應(yīng)的分類結(jié)果為最佳的分割效果,否則重復(fù)步驟(4)。

        通過上述二進(jìn)制差分演化算法迭代多次優(yōu)化后得到的最優(yōu)適應(yīng)值個體所對應(yīng)的個體Bbest即為使圖最小化的分割。 將最優(yōu)個體的二進(jìn)制編碼中為0和為1的區(qū)域分為兩組C1和C2即可得到最終的圖像二值化分割結(jié)果。

        2.4 算法流程

        綜上所述,本文所提出基于HBDE優(yōu)化的Ncut準(zhǔn)則的圖像分割算法整體流程為:

        (1)采用爬山法將彩色圖像聚為c類,從而使得圖像I=I1∪I2…∪Ic。

        (2)按照式(8),用區(qū)域的彩色分量均值向量計算兩兩區(qū)域的相似性,從而構(gòu)造出無向帶權(quán)完全圖Gc=(Vc,Wc)。

        (3)使用二進(jìn)制混合差分演化算法,迭代選擇、變異操作多次到指定次數(shù)tmax,從而求得使Ncut準(zhǔn)則最小化的圖兩類分割的最優(yōu)個體。

        (4)將最優(yōu)個體對應(yīng)的二進(jìn)制編碼的分類結(jié)果重新映射到原圖像,使圖像二值化。

        3 實驗結(jié)果及分析

        本文的實驗平臺為Microsoft Windows XP professional、Matlab2010b,CPU 為 Intel Core 1.86 GHz,內(nèi)存為2 GB,選取2幅來自公共數(shù)據(jù)集[9]的真彩色圖像,分別采用本文算法和SM算法進(jìn)行分割,效果如圖2、圖3所示。實驗中的參數(shù)為:爬山法的參數(shù)BinNum=20;經(jīng)過多次實驗,相似性計算式(8)中的參數(shù)σ=5;差分演化算法種群大小 NP=10 c,采用 DE/r/1/bin模式,輔助空間向量 a=5,最大迭代次數(shù)tmax=200;SM算法的分割值取yi=0。

        為了對比二進(jìn)制差分演化優(yōu)化最小化Ncut準(zhǔn)則與SM算法的分割效果,現(xiàn)將實驗結(jié)果分析如下:

        (1)船。由于水波的色彩與船身相近,SM算法在水面波紋方面過分割,對比SM算法,本文算法能夠更為清晰地的分割出船身。

        (2)鸚鵡。背景的4個外角偏暗,使用SM算法受此干擾使得背景欠分割。采用本文的算法能夠較為準(zhǔn)確地分割出鸚鵡的整體,效果優(yōu)于SM算法。

        從表1的Ncut值可以看出,二進(jìn)制差分演化算法比SM算法有更好的尋優(yōu)能力。SM算法采用近似解法難免出現(xiàn)分割效果不佳的情況,二進(jìn)制差分演化算法有較強的尋優(yōu)能力因而能夠找到更為理想的分割解。表1亦可使用差分演化算法尋優(yōu),運行時間略多于SM算法。

        表1 兩種分割算法的得到的時間對比

        實驗結(jié)果表明,采用本文的二進(jìn)制差分演化優(yōu)化Ncut準(zhǔn)則的彩色圖像分割算法相比SM算法在運行時間略高的情況下能夠得到有更為精確的分割出目標(biāo)。

        [1]Shi Jiaobo, MALIK J.Normalized cuts and image segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22(8):888-905.

        [2]SOUNDARARAJAN P,SARKAR S.Analysis of mincut,average cut and normalized cut measures[C].Proceedings of the 3rd Workshop on Perceptual Organization in Computer Vision.Vancouver,Canada,2001:1-4.

        [3]馮林,孫燾,吳振宇,等.基于分水嶺變換和圖論的圖像分割方法[J].儀器儀表學(xué)報,2008,29(3):649-653.

        [4]TUNG F,WONG A.Enabling scalable spectral clustering for image segmentation[J].Pattern Recognition,2010(43):4069-4076.

        [5]翟艷鵬,郭敏,馬苗,等.遺傳算法優(yōu)化歸一化劃分準(zhǔn)則的圖像分割[J].計算機工程與應(yīng)用,2010,46(33):148-150,157.

        [6]賀朝毅,王熙照,冠應(yīng)展,等.一種具有混合編碼的二進(jìn)制差分演化算法[J].計算機研究與發(fā)展,2007,44(9):1476-1484.

        [7]OHASHI T,AGHBARI Z,MAKINOUCHI A.Hill-climbing algorithm for efficient color-based image segmentation[C].IASTED International Conference on Signal Processing,Pattern Recognition,and Applications(SPPRA 2003),2003:17-22.

        [8]ACHANTA R,ESTRADA F,WILS P,et al.Salient region detection and segmentation[C].International Conference on Computer Vision Systems(ICVS 2008),2008:66-75.

        [9]MARTIN D,FOWLKES C,MALIK D T J.A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics[C].Proceedings of IEEE International Conference on Computer Vision,2001,1(2):416-423.

        猜你喜歡
        彩色圖像二進(jìn)制差分
        用二進(jìn)制解一道高中數(shù)學(xué)聯(lián)賽數(shù)論題
        數(shù)列與差分
        有趣的進(jìn)度
        基于FPGA的實時彩色圖像邊緣檢測
        電子制作(2019年16期)2019-09-27 09:34:46
        二進(jìn)制在競賽題中的應(yīng)用
        基于最大加權(quán)投影求解的彩色圖像灰度化對比度保留算法
        基于顏色恒常性的彩色圖像分割方法
        基于差分隱私的大數(shù)據(jù)隱私保護(hù)
        相對差分單項測距△DOR
        太空探索(2014年1期)2014-07-10 13:41:50
        差分放大器在生理學(xué)中的應(yīng)用
        特级精品毛片免费观看| 午夜精品人妻中字字幕| 一级老熟女免费黄色片| 又黄又爽又无遮挡免费的网站| 天天看片视频免费观看| 日本a级大片免费观看| 手机在线国产福利av| 在线观看人成视频免费| 1000部夫妻午夜免费| 国产chinese在线视频| 亚洲一区二区在线视频播放| 蜜桃激情视频一区二区| 午夜久久久久久禁播电影| 国产日韩精品中文字无码| 久久精品国产亚洲综合色| 国产激情小视频在线观看 | 亚洲综合成人婷婷五月网址| 一个人在线观看免费视频www| 99热在线播放精品6| 一本色道久久亚洲精品| 久久天天躁狠狠躁夜夜av| 国产nv精品你懂得| 日韩一二三四区免费观看 | 91一区二区三区在线观看视频 | 成人不卡国产福利电影在线看| 国产精品中文字幕日韩精品| 欧美肥妇毛多水多bbxx水蜜桃 | 国产精品露脸视频观看| 午夜一区二区三区av| 日本二一三区免费在线| 中文字幕无码日韩专区免费| 国产精品一区2区三区| 久久一区二区av毛片国产| 精品人妻一区二区三区久久| 久久国产精品-国产精品| 中文字幕一区二区三区在线不卡| 亚洲av网一区二区三区成人| 丰满熟女高潮毛茸茸欧洲视频| 女同啪啪免费网站www| 国产性感主播一区二区| 无码无套少妇毛多18p|