[发明专利]一种遗传模糊聚类图像分割方法

说明书

技术领域

本发明属于图像处理及应用领域，具体涉及一种遗传模糊聚类图像分 割方法。该方法能有效抑制噪声，并能提高噪声干扰较为严重时的图像分 割精度，防止聚类中心过于接近而导致的误分割。

背景技术

模糊C均值算法(Fuzzy C-Means，FCM)是一种具有模糊决策能力的 聚类算法，它对模糊边界区域的分割非常有效，近年来在图像处理领域应 用广泛。FCM算法易收敛于局部极值，针对这一问题，Bezdek等提出了一 种利用遗传算法优化FCM以保证得到全局最优解的方法(Bezdek J.C.， Optimization of fuzzy clustering criteria using genetic algorithms，IEEE Transaction on Evolutionary Computation，2，1994：589-594)。该方法利用选 择、交叉和变异等遗传操作，获得新一代种群的聚类中心。

FCM作为一种分割算法，其本身不包含空间信息导致算法易于受到空 间噪声的干扰。针对这个问题，许多研究者对FCM做出了改进并将空间信 息融入分割之中实现抗噪。Cai等(Cai W.，Chen S.，Fast and robust fuzzy c-means clustering algorithms incorporating local information for image segmentation.Pattern Recognition，40，2007：825-838)提出了Fast and General Fuzzy C-Means algorithm(FGFCM)，利用抗噪预处理降低了噪声对FCM 算法的干扰。然而，在噪声干扰较为严重时仍然不能达到令人满意的抗噪 效果。Yang等(Yang A.，Xhou Y.，Li X.，Tang M.，A region-based image segmentation method with kernel FCM.Fuzzy Information and Engineering， ASC 40，2007：902-910)利用核函数的非线性变换性质，将图像特征映射至 一特征空间以综合利用各种信息以抑制噪声。Wang等(Wang J.，Kong J.，Lu Y.，Qi M.，Zhang B.，A modified FCM algorithm for MRI brain image segmentation using both local and non-local spatial constraints.Computerized Medical Imaging and Graphics，32，2008：685-698)在利用邻域信息抗噪的基 础上结合邻域与非邻域信息实现噪声抑制。

噪声干扰不仅会使分割结果产生杂点而影响分割的精确性，还会干扰 算法对聚类中心的选择。针对该问题，Krishnapuram等(Kirshnapuram R.A.， Possibilistic approach to clustering.IEEE Transactions on Fuzzy Systems，1， 1993：98-100)提出了可能性聚类算法(Possiblistic Clustering Method，PCM)， PCM去除了FCM中单个像素针对各个聚类中心隶属度之和必须为1的约 束条件，允许某些像素相对于各个聚类中心都具有较小的隶属度，使其不 影响聚类中心计算，但是PCM难于单独应用于图像分割中。

发明内容

本发明的目的在于提供一种遗传模糊聚类图像分割方法，该方法能够 有效抑制图像噪声，有效分割噪声干扰程度较为严重的图像，并能防止聚 类中心过于接近而导致的误分割。

本发明提供的遗传模糊聚类图像分割方法，其特征在于：该方法包括 下述步骤：

第1步对原始图像进行抗噪预处理，其过程为：

(1.1)计算原始图像上每个像素与其邻域中各像素的相似度；

设R_i为原始图像上任一像素i的邻域，i表示原始图像上像素的编号， 设j为R_i中像素的编号，i、j均为正整数；定义图像中第i个像素相对其邻 域R_i中的像素j的相似度S_ij为：