免疫遗传算法实现图像阈值分割

免疫遗传算法实现图像阈值分割

clear all

clc

tic

%%

popsize=15; %群体规模

lanti=10;

maxgen=50; %最大代数

cross_rate=0.4; %交叉速率

mutation_rate=0.1;%变异速率

a0=0.7;

zpopsize=5;

bestf=0;

nf=0;

number=0;

%%

I=imread('01.bmp'); %读入图像

%%

q=isrgb(I); %判断是否为RGB真彩图像

if q==1

I=rgb2gray(I); %转换RGB图像为灰度图像

end

%%

[m,n]=size(I); %图像大小

p=imhist(I); %显示图像数据直方图

p=p'; %阵列由列变为行

p=p/(m*n); %将p的值变换到（0,1）

figure(1)

subplot(1,2,1);

imshow(I);

title('原图的灰度图像');

hold on

%% 抗体群体初始化

pop=2*rand(popsize,lanti)-1; %pop为15*10的值为（-1,1）之间的随机数矩阵

pop=hardlim(pop); %大于等于0为1，小于0为0 %% 免疫操作

for gen=1:maxgen

%% 计算抗体—抗原的亲和度

[fitness,yuzhi,number]=fitnessty(pop,lanti,I,popsize,m,n,number); if max(fitness)>bestf

bestf=max(fitness);

nf=0;

for i=1:popsize

%% 找出最大适应度在向量fitness中的序号

if fitness(1,i)==bestf

v=i;

end

end

yu=yuzhi(1,v);

elseif max(fitness)==bestf

nf=nf+1;

end

if nf>=20

break;

end

%%

A=shontt(pop); %计算抗体—抗体的相似度

f=fit(A,fitness); %计算抗体的聚合适应度pop=select(pop,f); %进行选择操作

pop=coss(pop,cross_rate,popsize,lanti); %交叉

pop=mutation_compute(pop,mutation_rate,lanti,popsize); %变异

a=shonqt(pop); %计算抗体群体的相似度

%%

if a>a0

zpop=2*rand(zpopsize,lanti)-1;

zpop=hardlim(zpop); %随机生成zpopsize 个新抗体

pop(popsize+1:popsize+zpopsize,:)=zpop(:,:);

[fitness,yuzhi,number]=fitnessty(pop,lanti,I,popsize,m,n,number);

%% 计算抗体—抗原的亲和度

A=shontt(pop); %计算抗体—抗体的相似度

f=fit(A,fitness); %计算抗体的聚合适应度

pop=select(pop,f); %进行选择操作

end

if gen==maxgen

[fitness,yuzhi,number]=fitnessty(pop,lanti,I,popsize,m,n,number);

%计算抗体—抗原的亲和度

end

end

imshow(I);

subplot(1,2,2);

fresult(I,yu);

title('阈值分割后的图像');