基于组遗传算法的图像属性聚类方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105373812A(43)申请公布日2016.03.02(21)申请号201510938424.7(22)申请日2015.12.15(71)申请人上海电机学院地址200240上海市闵行区江川路690号(72)发明人宁建红黄浩李华盛(74)专利代理机构上海思微知识产权代理事务所(普通合伙)31237代理人菅秀君(51)Int.Cl.G06K9/62(2006.01)权利要求书1页说明书6页附图1页(54)发明名称基于组遗传算法的图像属性聚类方法(57)摘要本发明提供了一种基于组遗传算法的图像属性聚类方法，包括：第一步骤：针对N幅图像，随机生成N个染色体作为初始种群，其中每个染色体代表一个可能的属性聚类结果，每幅图像有m个属性，并且将图像的属性分成多个组；第二步骤：计算每个染色体的适应度函数值；第三步骤：根据计算出的染色体适应度函数值，使用赌轮选择策略选择下一代N个染色体；第四步骤：对染色体的组部分执行交叉算子；第五步骤：对染色体的属性部分执行变异算子；第六步骤：对染色体的属性部分执行反转算子；第七步骤：重复第二步骤至第六步骤直到完成给定的遗传代数；第八步骤：输出完成给定的遗传代数得到的最优适应度函数值的染色体。CN105373812ACN105373812A权利要求书1/1页1.一种基于组遗传算法的图像属性聚类方法，其特征在于包括：第一步骤：针对N幅图像{I1,I2,…,In}，随机生成N个染色体作为初始种群，其中每个染色体代表一个可能的属性聚类结果，每幅图像有m个属性并且将图像的属性分成多个组；第二步骤：计算每个染色体的适应度函数值：其中，其中表示属性到同一组中的种子属性之间的距离，Rj表示组，Sepj表示不同组中的种子属性之间的最小距离，同一组中的种子属性随机产生；第三步骤：根据计算出的染色体适应度函数值，使用赌轮选择策略选择下一代N个染色体；第四步骤：对染色体的组部分执行交叉算子；第五步骤：对染色体的属性部分执行变异算子；第六步骤：对染色体的属性部分执行反转算子；第七步骤：重复第二步骤至第六步骤直到完成给定的遗传代数MaxGen；第八步骤：输出完成给定的遗传代数MaxGen得到的最优适应度函数值的染色体。2.根据权利要求1所述的基于组遗传算法的图像属性聚类方法，其特征在于，在第四步骤中，任意选两个染色体，C1作为基染色体，C2作为插入块染色体；其中，仅仅选择所述两个染色体的组部分以进行组部分的交叉：在C1中随机生成插入位置P，在C2中随机生成插入块的起始位置S和插入块的长度M；假设P＝2，S＝3，M＝2，则生成新的染色体为随后，对新染色体进行去除重复信息处理，即去除第一个双亲染色体组部分的重复信息，|Cnew|表示新染色体中非空组的数目；如果|Cnew|<4，随机选择一个组，把选择的组分成两个组，而且重复这个过程直到出现4个组为止；如果|Cnew|>4，进行赌轮选择把选中的组移除，移除组包含的属性被随机分配到其他组里。3.根据权利要求1或2所述的基于组遗传算法的图像属性聚类方法，其特征在于，在第五步骤中，随机地选定一个属性，把选定的属性任意分配给另一个组，从而实现变异。4.根据权利要求1或2所述的基于组遗传算法的图像属性聚类方法，其特征在于，在第六步骤中，首先随机生成一个介于0-1之间的数，如果这个数大于反转率，则组的顺序重新排列。2CN105373812A说明书1/6页基于组遗传算法的图像属性聚类方法技术领域[0001]本发明涉及图像识别领域，更具体地说，本发明涉及一种基于组遗传算法的图像属性聚类方法。背景技术[0002]基于学习的图像识别方法在过去的几年中取得了很大进步。对特定的对象类，特别是人脸和汽车，都有比较可靠和高效的基于底层特征(例如SIFT(ScaleInvariantFeatureTransform)特征或者HOG(HistogramofOrientedGradient)特征)的识别。但是这些图像的底层特征不能很好地反映图像类别信息。最近新的研究资料提出使用图像固有属性进行分类的方法。属性是指可以由人指定名称并且能在图像中观察到的特性，可以表示图像中对象是否存在，可以描述图像中对象的颜色、形状、材质、部件、类别及功能，也可以表示图像中场景的类别以及上下文信息等。因此基于图像的属性特征进行分类的研究越来越多。表示一个图像的属性特征有很多，如何从这些众多属性特征中找到对于图像分类有价值的属性至关重要。基于图像属性聚类的方法就是一种属性选择的方法，把相似的属性归为一组，这样当缺失某些属性的情况下，可以由同组的其他属性来进行替代。进行属性选择，实施属性聚类的方法有很多种，如有粒子群算法，遗传算法等。[0003]粒子群算法PSO(part