[发明专利]基于像素局部信息及非局部信息的模糊聚类图像分割方法

权利要求书

1.一种基于像素局部信息及非局部信息的模糊聚类图像分割方法，其特征在于，包括：

步骤1：提取给定图像中像素的灰度特征以及邻域特征，得到图像的特征信息集，所述特征信息集包括灰度特征信息集和邻域特征信息集；

步骤2：随机化生成像素的隶属度；

步骤3：基于得到的像素的隶属度以及像素的特征信息集，设计分割算法的聚类中心对，并设计分割的能量函数；

步骤4：通过迭代过程，对分割的能量函数进行最小化，在迭代过程中，基于拉格朗日算子法对像素的隶属度以及聚类中心对进行更新；

步骤5：迭代过程完成，基于最大隶属度原则对像素的隶属度去模糊化，实现对给定图像的分割，输出最终的分割结果。

2.根据权利要求1所述的基于像素局部信息及非局部信息的模糊聚类图像分割方法，其特征在于，所述步骤1中，所述特征信息集为：

其中，X是给定图像的灰度特征信息集，x_j为第j个像素的灰度值，n为图像中像素点的个数，是给定图像的邻域特征信息集，为第j个像素的邻域特征值，具体是指以第j个像素为中心的邻域窗口中，像素灰度值的中值。

3.根据权利要求1所述的基于像素局部信息及非局部信息的模糊聚类图像分割方法，其特征在于，所述步骤2中，所述像素的隶属度为u_ij，使其满足0≤u_ij≤1且其中u_ij是指第j个像素隶属于第i类的隶属度。

4.根据权利要求3所述的基于像素局部信息及非局部信息的模糊聚类图像分割方法，其特征在于，所述步骤3包括：

步骤31：将分割算法的聚类中心设计为一个二元有序对

其中v_i是基于图像灰度特征信息集X＝{x₁，x₂，...，x_n}的聚类中心，是基于图像邻域特征信息集的聚类中心；

步骤32：设计分割算法的能量函数：

J=Σi=1CΣj=1nuijmdij2+αNRΣi=1CΣj=1nuijmΣxk∈Wjrdik2---(2)]]>

其中代表像素与相应聚类中心之间的欧氏距离，是以第j个像素为中心，半径为r的正方形窗口，N_R是中包含的像素数目，α是邻域像素对中心像素的影响因子，m＞1是模糊因子，n为图像中像素点的个数。