一种基于遗传规划算法的图形图像分类方法
一种基于遗传规划算法的图形图像分类方法
【专利摘要】本发明属于图像处理【技术领域】，具体公开了一种基于遗传规划算法的图形图像分类方法，其步骤包括：(1)构造图像特征集和训练特征集；(2)设定第一阶段相关参数；(3)提取图像特征；(4)初始化种群并评估适应度；(5)对个体优胜劣汰，优胜个体进行交叉变异,评估适应度；(6)对个体进行局部搜索；(7)种群评估,判断是否完成交叉变异操作；(8)种群选优，判断是否终止进化；(9)根据新特征重新初始化种群；(10)种群选优,交叉变异；(11)依据最优个体输出图像匹配模型,解码个体树,获得新的图像特征。本发明产生的训练模型，能够有效的提高图像分类的准确度。
【专利说明】一种基于遗传规划算法的图形图像分类方法
【技术领域】
[0001]本发明涉及图像处理【技术领域】，具体是一种基于遗传规划算法的图形图像分类方法，能够应用于对数字图像的分类。
【背景技术】
[0002]人类接收的信息中有80%来自视觉或图像信息，有图像、图形、动画、视频、文本数据等。这是最有效和最重要的信息获取和交流方式。随着计算机的普及，人们越来越多地利用计算机来帮助人类获取与处理图像信息。图像处理、图像分析和图像理解，这三个层次的有机结合称为图像工程。
[0003]图像分类有基于内容的图像分类与基于文本的图像分类之分，基于文本的图像分类技术，将每幅图像加上相关标签，分类时，只需根据标签内容的匹配，输出标签对应的图像，属于人工干预较多的分类方式。然而随着时代的发展，无法完成对所有图像数据标注标签信息，因此，基于文本的图像分类有其自身的局限性。基于内容的图像分类是将图像本身的信息作为分类内容，根据图像像素间的内在联系，即可完成分类任务，人工干预大大降低，因此成为许多领域的一项重要技术。
[0004]基于内容的图像分类技术，在建立图像数据库时，系统对输入的图像进行分析并分类统一建模，然后根据各种图像模型提取图像特征存入特征库，而用户在通过用户接口设置查询条件时，可以采用一种或几种的特征组合来表示，然后系统采用相似性匹配算法计算关键图像特征与 特征库中图像特征的相似度，然后按照相似度从大到小的顺序将匹配图像反馈给用户。在此过程中分类系统会根据不同的特征采用不同的匹配算法，不同的特征匹配算法大不相同，匹配算法需经过精心设计才能达到较好的结果。
【发明内容】
[0005]本发明的目的在于克服已有技术的不足，提出一种基于遗传规划算法的图形图像分类方法，通过该方法提高图形图像的分类效果。
[0006]为此，本发明提供了一种基于遗传规划算法的图形图像分类方法，包括如下步骤:
[0007](I)根据图像库中的图像，随机挑选出总数的50%组成训练集图像，其中每类图像幅数均等于该类在图像库中总数的半数；
[0008](2)设定第一阶段的操作符集
【权利要求】
1.一种基于遗传规划算法的图形图像分类方法，其特征在于包括如下步骤: (1)根据图像库中的图像，随机挑选出总数的50%组成训练集图像，其中每类图像幅数均等于该类在图像库中总数的半数； (2)设定第一阶段的操作符
2.权利要求1所述的一种基于遗传规划算法的图形图像分类方法，其特征在于步骤(3)采用的提取训练图像的特征的“组合矩”按照如下方式进行: 1)用canny边缘检测算法获取图像边缘； 2)获取边缘点的坐标值{(x(i),y(i))，i = I, 2,..., N},计算边缘的重心
3.权利要求1所述的一种基于遗传规划算法的图形图像分类方法，其特征在于步骤(4)所述的计算个体适应度，按照如下方式进行:
4.权利要求1所述的一种基于遗传规划算法的图形图像分类方法，其特征在于步骤(5)所述的交叉变异操作，按如下步骤完成: 1)对于种群中的被选择到的两个体Ind1与ind2，二者的叶子节点数均为N，交叉操作时，首先产生一个位于[1，N]的随机数字rand,将个体Iind1的第rand到第N个叶子节点的值赋给ind2的对应位置；将个体ind2的第rand到第N个叶子节点的值赋给Iind1的对应位置，完成交叉操作； 2)对种群中某个体ind3进行变异操作，首先确定个体的叶子节点个数N，然后产生一个位于区间[1，N]的随机整数Rimfa，两个位于区间[0，1]的随机数Rstep, Rstyle:
①若Rstep > 0.4 则:
右 Rstyle ≥ 0.5 则 xEindex = xRindex+step ；
右 Rstyle ≥ 0.5 则 xEindex = xRindex+step ；
②若Rstep ≤ 0.4 则:
若 Rstyie ≥ 0.5 则 xEindex = xKindex+step*rand*5 ；若 Rstyie ≥ 0.5 则 xEindex = xKindex+step*rand*5 ；； 其中step为参数设置中的变异步长，rand为O到I之间的随机数，x为节点数值。
5.权利要求1所述的一种基于遗传规划算法的图形图像分类方法，其特征在于步骤(8)中所说的解码最优个体和获取新特征，按如下方式进行: (F1, F2, F3,, Fj表示未图像的某一原始特征,个体解码后得到(X1, X2, x3，...，xk},新特征为 U1XF1, X2XF2, X3XF3,...，xkXFk}。
6.权利要求1所述的一种基于遗传规划算法的图形图像分类方法，其特征在于步骤(10)中所说的交叉变异操作，按如下方式进行: 1)对于种群中被选择到的个体Ind1,ind2进行交叉操作,首先计算出Iind1与ind2中个体表达树的节点个数N1;N2 ;产生两个随机整数ri，r2分别位于区间[1，N1]，[I, N2]中；在个体表达树中分别获得第A个和第r2个节点的位置；交换两个位置处的子树； 2)对于种群中的个体ind3进行变异操作，首先计算个体树的节点个数N;产生位于[I, N]之间的随机整数& ;找到个体表达树中的第η个节点；产生位于[0，I]区间的随机数 rand ； 若rand < 0.5，则从操作符与终止符中随机挑选一个运算符替换个体表达树中的第r1个运算符，并根据该运算符的目数，生成相应的个体子树，完成变异操作； 若rand ^ 0.5，则首先获得第A个节点处的运算符的目数T ;然后从运算符中随机挑选目数为T的运算符替换r1节点处的运算符，完成变异。
【文档编号】G06T7/00GK103942571SQ201410177761
【公开日】2014年7月23日 申请日期:2014年4月29日 优先权日:2014年3月4日
【发明者】刘若辰, 焦李成, 杨振庚, 王爽, 公茂果, 李阳阳, 马文萍 申请人:西安电子科技大学
【专利摘要】本发明属于图像处理【技术领域】，具体公开了一种基于遗传规划算法的图形图像分类方法，其步骤包括：(1)构造图像特征集和训练特征集；(2)设定第一阶段相关参数；(3)提取图像特征；(4)初始化种群并评估适应度；(5)对个体优胜劣汰，优胜个体进行交叉变异,评估适应度；(6)对个体进行局部搜索；(7)种群评估,判断是否完成交叉变异操作；(8)种群选优，判断是否终止进化；(9)根据新特征重新初始化种群；(10)种群选优,交叉变异；(11)依据最优个体输出图像匹配模型,解码个体树,获得新的图像特征。本发明产生的训练模型，能够有效的提高图像分类的准确度。
【专利说明】一种基于遗传规划算法的图形图像分类方法
【技术领域】
[0001]本发明涉及图像处理【技术领域】，具体是一种基于遗传规划算法的图形图像分类方法，能够应用于对数字图像的分类。
【背景技术】
[0002]人类接收的信息中有80%来自视觉或图像信息，有图像、图形、动画、视频、文本数据等。这是最有效和最重要的信息获取和交流方式。随着计算机的普及，人们越来越多地利用计算机来帮助人类获取与处理图像信息。图像处理、图像分析和图像理解，这三个层次的有机结合称为图像工程。
[0003]图像分类有基于内容的图像分类与基于文本的图像分类之分，基于文本的图像分类技术，将每幅图像加上相关标签，分类时，只需根据标签内容的匹配，输出标签对应的图像，属于人工干预较多的分类方式。然而随着时代的发展，无法完成对所有图像数据标注标签信息，因此，基于文本的图像分类有其自身的局限性。基于内容的图像分类是将图像本身的信息作为分类内容，根据图像像素间的内在联系，即可完成分类任务，人工干预大大降低，因此成为许多领域的一项重要技术。
[0004]基于内容的图像分类技术，在建立图像数据库时，系统对输入的图像进行分析并分类统一建模，然后根据各种图像模型提取图像特征存入特征库，而用户在通过用户接口设置查询条件时，可以采用一种或几种的特征组合来表示，然后系统采用相似性匹配算法计算关键图像特征与 特征库中图像特征的相似度，然后按照相似度从大到小的顺序将匹配图像反馈给用户。在此过程中分类系统会根据不同的特征采用不同的匹配算法，不同的特征匹配算法大不相同，匹配算法需经过精心设计才能达到较好的结果。
【发明内容】
[0005]本发明的目的在于克服已有技术的不足，提出一种基于遗传规划算法的图形图像分类方法，通过该方法提高图形图像的分类效果。
[0006]为此，本发明提供了一种基于遗传规划算法的图形图像分类方法，包括如下步骤:
[0007](I)根据图像库中的图像，随机挑选出总数的50%组成训练集图像，其中每类图像幅数均等于该类在图像库中总数的半数；
[0008](2)设定第一阶段的操作符集
【权利要求】
1.一种基于遗传规划算法的图形图像分类方法，其特征在于包括如下步骤: (1)根据图像库中的图像，随机挑选出总数的50%组成训练集图像，其中每类图像幅数均等于该类在图像库中总数的半数； (2)设定第一阶段的操作符
2.权利要求1所述的一种基于遗传规划算法的图形图像分类方法，其特征在于步骤(3)采用的提取训练图像的特征的“组合矩”按照如下方式进行: 1)用canny边缘检测算法获取图像边缘； 2)获取边缘点的坐标值{(x(i),y(i))，i = I, 2,..., N},计算边缘的重心
3.权利要求1所述的一种基于遗传规划算法的图形图像分类方法，其特征在于步骤(4)所述的计算个体适应度，按照如下方式进行:
4.权利要求1所述的一种基于遗传规划算法的图形图像分类方法，其特征在于步骤(5)所述的交叉变异操作，按如下步骤完成: 1)对于种群中的被选择到的两个体Ind1与ind2，二者的叶子节点数均为N，交叉操作时，首先产生一个位于[1，N]的随机数字rand,将个体Iind1的第rand到第N个叶子节点的值赋给ind2的对应位置；将个体ind2的第rand到第N个叶子节点的值赋给Iind1的对应位置，完成交叉操作； 2)对种群中某个体ind3进行变异操作，首先确定个体的叶子节点个数N，然后产生一个位于区间[1，N]的随机整数Rimfa，两个位于区间[0，1]的随机数Rstep, Rstyle:
①若Rstep > 0.4 则:
右 Rstyle ≥ 0.5 则 xEindex = xRindex+step ；
右 Rstyle ≥ 0.5 则 xEindex = xRindex+step ；
②若Rstep ≤ 0.4 则:
若 Rstyie ≥ 0.5 则 xEindex = xKindex+step*rand*5 ；若 Rstyie ≥ 0.5 则 xEindex = xKindex+step*rand*5 ；； 其中step为参数设置中的变异步长，rand为O到I之间的随机数，x为节点数值。
5.权利要求1所述的一种基于遗传规划算法的图形图像分类方法，其特征在于步骤(8)中所说的解码最优个体和获取新特征，按如下方式进行: (F1, F2, F3,, Fj表示未图像的某一原始特征,个体解码后得到(X1, X2, x3，...，xk},新特征为 U1XF1, X2XF2, X3XF3,...，xkXFk}。
6.权利要求1所述的一种基于遗传规划算法的图形图像分类方法，其特征在于步骤(10)中所说的交叉变异操作，按如下方式进行: 1)对于种群中被选择到的个体Ind1,ind2进行交叉操作,首先计算出Iind1与ind2中个体表达树的节点个数N1;N2 ;产生两个随机整数ri，r2分别位于区间[1，N1]，[I, N2]中；在个体表达树中分别获得第A个和第r2个节点的位置；交换两个位置处的子树； 2)对于种群中的个体ind3进行变异操作，首先计算个体树的节点个数N;产生位于[I, N]之间的随机整数& ;找到个体表达树中的第η个节点；产生位于[0，I]区间的随机数 rand ； 若rand < 0.5，则从操作符与终止符中随机挑选一个运算符替换个体表达树中的第r1个运算符，并根据该运算符的目数，生成相应的个体子树，完成变异操作； 若rand ^ 0.5，则首先获得第A个节点处的运算符的目数T ;然后从运算符中随机挑选目数为T的运算符替换r1节点处的运算符，完成变异。
【文档编号】G06T7/00GK103942571SQ201410177761
【公开日】2014年7月23日 申请日期:2014年4月29日 优先权日:2014年3月4日
【发明者】刘若辰, 焦李成, 杨振庚, 王爽, 公茂果, 李阳阳, 马文萍 申请人:西安电子科技大学
最新回复(0)