[发明专利]基于NJW谱聚类标记的图像分割方法

权利要求书

1.一种基于NJW谱聚类标记的图像分割方法，包括如下步骤：

(1)使用灰度共生矩阵对待分割的图像进行特征提取，并将提取的特征数据归一化到[0，1]之间，以去除数据间量级的影响；

(2)用k-means算法将归一化后的特征数据聚为m类，并将与聚类中心最近邻的特征数据作为采样点得到采样子集S，m取100；

(3)利用NJW谱聚类算法，对采样子集S进行聚类，得到采样子集S的标签；

(4)对采样子集S和对应的标签进行学习，训练一个支撑矢量机SVM分类器；

(5)用所得的SVM分类器对所有特征数据进行测试，得到最终的图像分割结果。

2.根据权利要求1所述的基于NJW谱聚类标记的图像分割方法，其中步骤(2)所述的用k-means算法将归一化后的特征数据聚为m类，按照如下步骤进行：

(2a)随机选取m个特征数据作为k-means算法的初始聚类中心；

(2b)在每次迭代中，求每个特征数据到聚类中心的距离，并将特征数据归到距离最小的聚类中心所在的类别中；

(2c)对每一类别里的数据分别求均值，并将均值作为该类的中心；

(2d)如果利用(2b)和(2c)进行迭代更新后，m个聚类中心保持不变，则迭代结束，否则继续迭代。

3.根据权利要求1所述的基于NJW谱聚类标记的图像分割方法，其中步骤(4)所述的利用NJW谱聚类算法，对采样子集S进行聚类，得到采样子集S的标签，按照如下步骤进行：

(3a)计算采样子集S＝{s₁，...，s_i，...，s_m}(i＝1，...，m)的权值矩阵W＝G(S，S)，其中G()为高斯核函数；

(3b)计算权值矩阵W的拉普拉斯矩阵L＝D^-1/2WD^-1/2，其中D为权值矩阵W的度矩阵，D＝{d₁，...，d_i，...，d_m}，且w_it为权值矩阵W第i行第t列元素；

(3c)对拉普拉斯矩阵L进行特征分解，求出由大到小排前k个特征值λ＝{λ₁，...，λ_i，...，λ_k}所对应的特征向量其中λ_i是λ的第i个元素，是φ的第i个列向量，i＝1，2，...，k；

(3d)对进行k-means聚类，得到采样子集S的标签Y＝{y₁，...，y_i，...，y_m}，i＝1，...，m。