[发明专利]一种基于视觉仿生与力场作用的图像自适应聚类方法

说明书

本发明一种基于视觉仿生与力场作用的图像自适应聚类方法，包括以下步骤：步骤1，任选一张图像作为待分析图像Img，将待分析图像Img生成CIE‑Laba颜色空间下的颜色图Img2；步骤2，将CIE‑Laba颜色空间下的颜色图Img2的每个波段划分成d个子空间，即得到dⁿ个颜色子区域空间，其中n为颜色图Img2的波段数；步骤3，计算dⁿ个颜色子区域空间中每个子区域的稳定重心，并将每个子区域的稳定重心作为聚类中心；本发明提出并实现了用一种基于视觉仿生技术和力场作用的自适应聚类方法，该方法高效、简洁、易于实现，可用于各种数据分析的初步认知。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于视觉仿生技术和力场作用的自适应聚类方法。

背景技术

图像分析是目前火热的机器视觉与人工智能中最为底层的技术手段。作为最基本的图像分析方法，图像聚类作为初步分析被广泛的应用于各种图像分割、分类、认知当中。其中，聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。聚类分析的目标就是在相似的基础上收集数据来分类。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。多年以来，聚类分析方法一直以其高速、简洁、效果好等优势被广泛的应用于各种各样的数据分析领域当中。

但是，聚类分析发展多年以来，始终需要较好的先验信息才能获取较为完善的分析结果。然而在很多实际数据分析应用当中，初始先验信息的获取本身就是一个悖论问题：即分析数据是为了得到信息，而没有信息又难以分析数据。

针对这个缺陷，很多学者都进行了大量的研究工作，发展了许多完全自动的聚类方法。但改进方法为了估计先验信息，付出了大量繁复计算的代价，舍弃了聚类算法本身高效的优势，导致难以应用于广泛的实际数据分析工作当中。

发明内容

针对现有技术中的缺陷和不足，本发明的目的在于提出一种基于视觉仿生技术和力场作用的自适应聚类方法。从而能够自动根据场景的不同，模拟人眼视觉自适应的对图像进行感知，然后通过引力、斥力相互作用进行聚类分析，快速、高效的得到分析结果。

本发明为了实现上述技术思路采用以下技术方案：

一种基于视觉仿生与力场作用的图像自适应聚类方法，包括以下步骤：

步骤1，任选一张图像作为待分析图像Img，将待分析图像Img生成 CIE-Laba颜色空间下的颜色图Img2；

步骤2，将CIE-Laba颜色空间下的颜色图Img2的每个波段划分成d个子空间，即得到dⁿ个颜色子区域空间，其中n为颜色图Img2的波段数；

步骤3，计算dⁿ个颜色子区域空间中每个子区域的稳定重心，并将每个子区域的稳定重心作为聚类中心；

包括：

步骤31，从d_n个颜色子区域空间中任选一个子区域作为当前子区域，设该当前子区域的重心为像素i，当前子区域的相邻子区域为3^a-1个， i＝1,2,...,M，a＝1,2,3，M为颜色子区域空间中的像素总数；

步骤311，从3^a-1个相邻子区域中任选一个子区域作为当前相邻子区域， a＝1,2,3；

设像素j为当前相邻子区域的任一像素；其中，j＝1,2,...,M，i≠j；

步骤311-1，若像素i和像素j之间的可移动性MO_ij≤1，则当前子区域的重心相对于当前相邻子区域为稳定重心，执行步骤312；