[发明专利]一种利用改进直觉模糊聚类算法分割红外舰船图像的方法

权利要求书

1.一种利用改进直觉模糊聚类算法分割红外舰船图像的方法，其特征在于：该方法具体步骤如下：

步骤一：确定舰船中心位置；利用图像方差矩阵和切比雪夫不等式得出的阈值确定舰船的可能区域，以可能区域的中心作为预设舰船中心；具体包括如下步骤：

1.1利用高斯滤波器对图像做平滑处理，抑制图像中噪声；

1.2计算得到图像的方差矩阵，并对方差矩阵作归一化处理：

1.3根据切比雪夫不等式得到的方差期望和方差矩阵的标准差确定阈值为μ+kσ_D；

其中μ为归一化后的方差矩阵的期望；σ_D为归一化后的方差矩阵的方差；若D_n大于阈值，则认为该点属于舰船区域；

步骤二：采用改进的模糊聚类算法对红外图像进行聚类分割；具体包括如下步骤：

2.1定义c为类别总数，T为最大迭代次数，ε为迭代停止阈值；

2.2对隶属度矩阵μ_ji和聚类中心μ_B(v_j),v_B(v_j),π_B(v_j)进行初始化；

2.3由迭代公式计算聚类中心和隶属度矩阵，计算目标函数J的值；

2.4若|J(t+1)-J(t)|＜ε，或t≥T，则停止迭代，进行步骤2.5；否则返回步骤2.3，直至满足迭代停止条件；其中J代表计算得到的目标函数的值，t代表迭代次数；

2.5去模糊化，完成红外舰船图像分割；

改进的模糊聚类算法目标函数如下：

其中，j是类别序数；i是像素序数；c是类别总数；N是像素总数；W_ij是第i个像素点对第j类的权重系数；μ_ji是第i个像素点对第j类的隶属度；m是模糊因子；d_IFS(·,·)是两点的直觉模糊距离；x_i是第i个像素点的像素值；v_j是第j类的聚类中心；Ω是邻域信息权重系数；N_i是第i个像素点的邻域；k是第i个像素点的邻域内的像素序数；β_ki是像素点k在邻域N_i内的影响因子；x_k是邻域N_i内第k个像素点的像素值；

数据模糊化计算过程如下：

π_B(x)＝1-μ_B(x)-v_B(x)

其中，μ_B(x)是像素点x的隶属度；v_B(x)是像素点x的非隶属度；π_B(x)是像素点x的犹豫度；X是所有像素点的像素值的集合；则有直觉模糊距离计算过程如下：设A和B是图中两像素点；

d_IFS(A,B)＝[(μ_B(A)-μ_B(B))²+(v_B(A)-v_B(B))²+(π_B(A)-π_B(B))²]

权重系数W_ij的计算表达式如下：

其中，σ为预设高斯分布方差；coord(i)为第i个像素点的坐标；coord(c)为步骤一中得到的舰船中心位置坐标；Φ(i,j)为像素点i对第j类的权重系数指数因子；权重系数指数因子Φ(i,j)的计算表达式如下：

其中，diag是舰船可能区域的半径；

像素点k在邻域N_i内的影响因子β_ki的计算表达式如下：

其中，Var(N_i)表示以第i个像素点为中心的邻域的方差值；μ_jk表示邻域内第k个像素点对第j类的隶属度；d_ik表示第i个像素点和其邻域内第k个像素点坐标的欧式距离；

根据拉格朗日乘数法可推导得到隶属度矩阵和聚类中心的迭代公式为：

μ_ji表示隶属度矩阵；μ_B(v_j),v_B(v_j),π_B(v_j)分别表示聚类中心的隶属度、非隶属度和犹豫度；m为模糊因子；W_mj第m个像素点对第j类的权重系数；x_m第m个像素点的像素值；N_m是第m个像素点的邻域；β_km是像素点k在邻域N_m内的影响因子；μ_B(x_i)和μ_B(x_k)分别表示像素点x_i和像素点x_k的隶属度信息；v_B(x_i)和v_B(x_k)分别表示像素点x_i和像素点x_k的非隶属度信息；π_B(x_i)和π_B(x_k)分别表示像素点x_i和像素点x_k的犹豫度信息。