[发明专利]一种融合邻域信息的模糊聚类方法在审
| 申请号： | 201811118676.5 | 申请日： | 2018-09-26 |
| 公开（公告）号： | CN109360207A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 顾雨迪;狄岚;刘海涛 | 申请（专利权）人： | 江南大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06K9/62 |
| 代理公司： | 南京禹为知识产权代理事务所(特殊普通合伙) 32272 | 代理人： | 王晓东 |
| 地址： | 214100 江苏省无*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 测度 邻域信息 模糊聚类 隶属度 图像 聚类 模糊C均值算法 矩阵 图像数据信息 时间复杂度 概率因子 干扰区域 目标函数 先验知识 显著区域 融合 惩罚项 鲁棒性 分割 三层 剔除 噪声 改进 | ||
1.一种融合邻域信息的模糊聚类方法，其特征在于：包括，
第一步，对图像进行处理，将用作聚类的图像数据信息由单一测度扩充为三层测度；
第二步，改进模糊C均值算法，并为隶属度矩阵添加先验知识概率因子项；
第三步，在目标函数上添加隶属度差异惩罚项；
第四步，对图像进行聚类分割；
其中，所述改进模糊C均值算法后，相应改进后的目标函数为：
通过迭代获得隶属度与聚类中心后，更新公式为：
根据隶属度矩阵以及聚类中心完成对图像的分割，记录时间以及计算图像分割精确率。
2.根据权利要求1所述的融合邻域信息的模糊聚类方法，其特征在于：所述聚类的图像，是在使用聚类算法进行图像分割时，针对的图像本身。
3.根据权利要求1或2所述的融合邻域信息的模糊聚类方法，其特征在于：所述三层测度中，第一层测度为本身灰度值矩阵，第二测度为均值处理后灰度矩阵，第三测度为考虑邻域像素相似度处理后的灰度矩阵。
4.根据权利要求3所述的融合邻域信息的模糊聚类方法，其特征在于：所述第三测度中的相似度sij是根据邻域像素点灰度差的平均比值确定，并且使用指数函数进行归一化处理，这里规定待考察像素点i灰度值为xi，以及其邻域像素点j灰度值xj，Ni表示像素点i邻域像素点集合，NR表示像素点i邻域像素点个数，则sij可表示为以下形式：
5.根据权利要求4所述的融合邻域信息的模糊聚类方法，其特征在于：所述相似度sij的取值范围在0与1之间。
6.根据权利要求1、2、4或5任一所述的融合邻域信息的模糊聚类方法，其特征在于：所述隶属度差异惩罚项，是像素点与邻域像素点对每一个聚类中心的隶属度差异。
7.根据权利要求1、2、4或5任一所述的融合邻域信息的模糊聚类方法，其特征在于：所述分割精确率SA的定义如下为:
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江南大学，未经江南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811118676.5/1.html，转载请声明来源钻瓜专利网。
