[发明专利]一种基于矩阵的图像聚类方法

说明书

本发明提供了一种基于矩阵的图像聚类方法，涉及图像处理领域，针对现有的图像聚类算法计算复杂度高，聚类效率低下，难以适应当前的大数据环境的问题，现提出如下方案，通过对图像进行超像素图块的分割，提取各个超像素图块中的超像素中心属性，计算反映各个超像素图块之间相邻关系的邻接矩阵，根据邻接矩阵计算反映相邻超像素图块之间的超像素的相似度矩阵，根据相似度矩阵对超像素图块进行聚类。本发明通过上述技术方案，提高了对图像进行聚类计算的速度，实现了图像聚类的高效率、方便快捷，优化了图像聚类技术在视觉导航、目标测量、目标追踪与定位等领域的应用。

技术领域

本发明属于图像处理领域，涉及一种图像聚类方法，尤其是一种可以广泛应用于包括机器视觉导航、目标测量、目标追踪与定位等多种领域的图像聚类方法，具体地说是一种利用人类视觉多尺度感知特性的对于彩色图像的基于矩阵计算的聚类方法。

背景技术

图像聚类是利用计算机对图像库中的图像进行分析，把图像中的每个像元或区域划归为若干种特征类别中的一种，以代替人类对图像的视觉判别。图像聚类的过程实质上就是基于知识的图像理解过程，同时也是人类对图像的视觉判别的延伸和发展。

图像聚类技术就是根据图像的语义和感知特征进行检索，具体实现就是从图像数据中提取出特定的信息线索或特征指标，然后根据这些线索从大量存储在图像数据库的图像中进行查找，检索出具有相似特征的图像数据。图像聚类技术是先对图像按照某种相似性原则进行聚类，把相似的图像聚合为一类，检索过程在类内进行，从而大大的缩小图像检索范围，就能够达到快速准确检索图像的目的。

图像聚类技术在各行各业都有着广泛的应用前景。例如在公安行业，随着公安信息化的不断发展，图像识别技术已在公安行业广泛应用，通过摄像头抓拍、图片结构化等手段获取了视频图片，形成了动态资源库。基于图像聚类的机器视觉分析技术可以为公安治安防控、刑侦破案、反恐防暴等工作提供有力支撑。又例如在导航领域，目前有通过安装在车身上的摄像头，利用周围环境信息来导航的视觉自动导航系统。通过摄像头获取的图像信息，经过分析处理可以得到车辆相对于道路的位置与姿态信息，做出相应的路径规划，实现车辆的自动导航。

目前常规的图像聚类方法是谱聚类法。谱聚类法的主要优点是谱聚类只需要数据之间的相似度矩阵，因此对于处理稀疏数据的聚类很有效，这点传统聚类算法比如K-Means很难做到。并且由于使用了降维，因此在处理高维数据聚类时的复杂度比传统聚类算法好。但是谱聚类法的主要缺点是如果最终聚类的维度非常高，则由于降维的运算复杂度会较高，因此谱聚类的运行速度较慢且最后的聚类效果不够理想。

由于当前主流的图像聚类方法采用的视觉特征缺乏自主学习能力，导致图像表达能力不强，而且传统的聚类算法计算复杂度较高，聚类效率低，难以适应当前的大数据环境。因此，当前由于聚类速度低下的限制，很多概念和应用无法实质性开展，而只能停留在技术理论上。因此，寻找一种高效率、方便快捷的对图像进行分类方法，已经成为进行图像处理工作的重要基础和必不可少的重要环节。

发明内容

针对上述背景技术所提到的目前图像聚类算法计算复杂度较高，聚类效率低下，难以适应当前的大数据环境的问题，本发明提出了一种基于矩阵的图像聚类方法，目的在于实现图像聚类工作的高效率和方便快捷。

为了达到上述目的，本发明提供如下技术方案：

一种基于矩阵的图像聚类方法，包括以下步骤：

第一步、对图像进行超像素图块的分割并提取各个超像素图块中的超像素中心属性；

第二步、获得反映各个超像素图块之间相邻关系的邻接矩阵；

第三步、根据所述邻接矩阵获得反映相邻超像素图块之间的超像素的相似度的相似度矩阵；

第四步、根据所述相似度矩阵对超像素图块完成聚类。