基于并行免疫克隆聚类的SAR图像分割方法,申请号CN201110319066.3-传众专利搜索

基于并行免疫克隆聚类的SAR图像分割方法

申请公布号：CN102360497B

申请号：CN201110319066.3

申请日期：2011.10.19

申请公布日期：2013.06.12

申请人：

西安电子科技大学

发明人：缑水平;焦李成;费全花;杨静瑜;张向荣;庄雄;徐聪;杨淑媛

分类号：G06T5/00(2006.01)I

主分类号：G06T5/00(2006.01)I

代理机构：

陕西电子工业专利中心 61205

代理人：王品华;朱红星

地址：710071 陕西省西安市太白南路2号

摘要：本发明公开了一种并行免疫克隆聚类的SAR图像分割技术方法，主要解决现有聚类技术在解决大规模SAR图像分割时速度慢、分割效果不理想问题。其实现过程是：1)对待分割的SAR图像提取特征得到输入数据样本；2)配置MATLAB并行计算环境；3)在并行计算环境中将数据样本向各个处理器进行并行任务划分；4)对各个处理器上的分块数据免疫克隆优化并迁移，得到聚类中心和相应聚类标签；5)将聚类标签与SAR图像像素点一一对应，得到分割结果。本发明能够有效克服现有聚类技术在运算量和存储空间上的瓶颈问题，对大规模SAR图像分割效果显著，适用于SAR图像目标检测和目标识别。

主权项：1.一种基于并行免疫克隆聚类的SAR图像分割方法，包括以下步骤：(1)对待分割的SAR图像进行3层平稳小波变换，图像像素点总个数为z，对每个像素点提取出10维子带能量特征，构成大小为z×10的输入数据样本X＝{xi|i＝1,2,...,z}：<maths num="0001"><![CDATA[<math><mrow><msub><mi>x</mi><mi>i</mi></msub><mo>=</mo><mfrac><mn>1</mn><mrow><mi>M</mi><mo>×</mo><mi>N</mi></mrow></mfrac><munderover><mi>Σ</mi><mrow><mi>e</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><munderover><mi>Σ</mi><mrow><mi>u</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mo>|</mo><mi>coef</mi><mrow><mo>(</mo><mi>e</mi><mo>,</mo><mi>u</mi><mo>)</mo></mrow><mo>|</mo></mrow></math>]]></maths>其中，M×N为利用滑动窗口确定的子带大小，这里取值为16×16，coef(e,u)为平稳小波子带中第e行第u列的系数值；(2)配置MATLAB7.8R2009(a)版本的并行计算环境：2a)安装MATLAB7.8R2009(a)版本的并行计算工具箱和分布式计算服务器；2b)在各个集群节点上用mdce start命令启动分布式计算服务器；2c)在集群的主节点上用startjobmanager命令启动并行任务调度器；2d)在各个处理器节点上用startworker命令启动工作进程；(3)根据配置好的MATLAB7.8R2009(a)版本并行计算环境，对输入数据样本X进行并行任务划分：3a)根据配置好的MATLAB并行计算环境，使用findResource命令指定配置好的任务调度器，用createJob命令创建作业；3b)在所创建的作业中，将规模为z×10的输入数据样本X用createTask命令均衡划分到p个处理器上，遇到不能整除的情况则将剩余的数据样本存放到最后一个节点上；3c)使用submit命令提交作业，然后用waitForState命令将各个任务安排到相应的任务队列里等待各个处理器节点的执行；(4)对各个处理器节点上的分块数据进行免疫克隆局部优化，并在优化过程中对优秀抗体按亲和度值从大到小排序迁移，得到优化后的聚类中心和相应聚类标签；具体按照如下步骤进行：4a)设置免疫克隆初始参数：迭代次数T＝9，抗体种群大小n＝20，克隆规模经验值nc＝50，多项式变异概率pm＝0.5；4b)对每个处理器节点上的分块数据随机选取m个样本点实数编码作为初始抗体Ai＝(Ai1,Ai2,…,Aik),i＝1,…,n，n表示选择抗体种群大小，k表示聚类中心个数，然后对每个初始抗体进行解码，得到n组候选聚类中心；4c)根据候选聚类中心对初始抗体Ai按照PBM指标计算每个抗体的亲和度：<maths num="0002"><![CDATA[<math><mrow><mi>affinity</mi><mrow><mo>(</mo><msub><mi>A</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>=</mo><msup><mrow><mo>[</mo><mfrac><mn>1</mn><mi>k</mi></mfrac><mfrac><mrow><mi>E</mi><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow><mrow><mi>E</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow></mrow></mfrac><msub><mi>D</mi><mi>max</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>]</mo></mrow><mn>2</mn></msup></mrow></math>]]></maths>其中，<img file="FDA00002962893300022.GIF" wi="481" he="142" />表示k个聚类划分的误差平方和，uij表示原始输入数据样本的归属度矩阵，d(xj,ri)表示第j个样本xj与第i个聚类中心ri之间的距离；Dmax(k)＝max{d(ri,rj),i,j＝1,2,…,k}表示第i个聚类中心ri与第j个聚类中心rj之间的最大距离；4d)用下式对原始抗体Ai克隆操作得到抗体A′：<maths num="0003"><![CDATA[<math><mrow><msup><mi>A</mi><mo>′</mo></msup><mo>=</mo><msubsup><mi>T</mi><mi>c</mi><mi>C</mi></msubsup><mrow><mo>(</mo><msub><mi>A</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow></math>]]></maths>其中，<img file="FDA00002962893300026.GIF" wi="57" he="64" />表示克隆算子，<img file="FDA00002962893300027.GIF" wi="541" he="63" />其中Ii为元素值为1的qi维列向量，qi为抗体Ai克隆后的规模大小，其值根据亲和度affinity(Ai)按下式自适应调整：<maths num="0004"><![CDATA[<math><mrow><msub><mi>q</mi><mi>i</mi></msub><mo>=</mo><mi>Int</mi><mrow><mo>(</mo><msub><mi>n</mi><mi>c</mi></msub><mo>×</mo><mfrac><mrow><mi>affinity</mi><mrow><mo>(</mo><msub><mi>A</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow><mrow><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mi>affinity</mi><mrow><mo>(</mo><msub><mi>A</mi><mi>j</mi></msub><mo>)</mo></mrow></mrow></mfrac><mo>)</mo></mrow><mo>,</mo><mi>i</mi><mo>=</mo><mn>1</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>n</mi></mrow></math>]]></maths>其中，Int(·)表示取整操作，nc＞n，nc为克隆规模有关的经验值,n表示抗体种群大小；4e)用Deb提出的多项式变异方法对克隆后的抗体A′按概率pm变异生成新抗体Ai′′；4f)对变异后的新抗体Ai′′按亲和度公式求其亲和度值affinity(Ai′′)，根据变异后的亲和度值选择最优抗体Bi，<maths num="0005"><![CDATA[<math><mrow><msub><mi>B</mi><mi>i</mi></msub><mo>=</mo><mo>{</mo><msubsup><mi>A</mi><mi>ij</mi><mrow><mo>′</mo><mo>′</mo></mrow></msubsup><mo>|</mo><mi>affinity</mi><mrow><mo>(</mo><msubsup><mi>A</mi><mi>ij</mi><mrow><mo>′</mo><mo>′</mo></mrow></msubsup><mo>)</mo></mrow><mo>=</mo><mi>max</mi><mi>affinity</mi><mrow><mo>(</mo><msubsup><mi>A</mi><mi>i</mi><mrow><mo>′</mo><mo>′</mo></mrow></msubsup><mo>)</mo></mrow><mo>}</mo><mo>,</mo></mrow></math>]]></maths>j＝1,2,...,qi，qi为步骤4d)所述抗体Ai克隆后的规模大小，如果有affinity(Ai)＜affinity(Bi)，则用抗体Bi取代原始抗体Ai；4g)循环步骤4d)-4f)三次，对每个处理器节点上得到的抗体Ai根据亲和度值affinity(Ai)排序，用单向环拓扑将前20%优秀抗体迁移至下一个处理器，以代替这个处理器中后20%的抗体；4h)循环步骤4d)-4g)三次，得到优化后的聚类中心和相应聚类标签；(5)将聚类标签与SAR对象像素点一一对应，得到图像分割结果。