[发明专利]一种在Lab空间实现的结合K均值聚类和区域生长的彩色图像分割方法

权利要求书

1.一种在Lab空间实现的结合K均值聚类和区域生长的彩色图像分割方法，其特征在于，包括如下步骤：

(1)输入待分割的彩色图像；

(2)将彩色图像从RGB彩色空间转换到Lab彩色空间；

(3)运用形态学算子对图像进行平滑滤波；

(4)采用K均值聚类算法对图像各像素点进行聚类，得到初始分割；

(5)结合图像空间位置信息，提出一种新的区域间的相似性度量方法，进行区域合并，并通过颜色散度变化控制区域合并停止，最终完成彩色图像分割。

2.如权利要求1所述的方法，其特征在于：在步骤(2)所述的将彩色图像从RGB彩色空间转换到Lab彩色空间，其具体实现过程是首先将RGB空间先转换到XYZ空间，再转换到Lab空间，如下式：

其中，X_n＝0.96047，Y_n＝1.0，Z_n＝1.08883。因此可以提取到图像中Lab空间中各个分量的像素值。

3.如权利要求1所述的方法，其特征在于：在步骤(3)所述的运用形态学算子对图像进行平滑滤波，先进行膨胀后腐蚀的闭操作，弥合较窄的间断和细长的沟壑，消除小的空洞，改善图像质量。

4.如权利要求1所述的方法，其特征在于：在步骤(4)所述的采用K均值聚类算法对图像各像素点进行聚类，得到初始分割过程中，是按照其颜色信息进行聚类，将颜色相近的像素点划分到同一类中，首先令x＝(x₁,x₂,...,x_n)表示为n维特征空间中的一点，g(x)表示为x点的特征值，K均值聚类算法的步骤包括如下：

第一步：预先设置好聚类的数目K个，并将K个初始类的均值设定为聚类中心

第二步：在进行第i次迭代计算时，当满足条件(此式的含义就是将每个特征点归属于均值离它最近的类)时，可以将某个特征点x归于K类中的某一类l，即其中表示第i次迭代后属于第l类的所有特征点的集合；

第三步：在第i次迭代后，利用式来更新每个类的均值为式中N_l为中所有特征点的个数；

第四步：当满足对所有的l＝1,2,...,K，有则聚类结束；不满足时返回第二步继续迭代直到聚类中心不再发生变化。

5.如权利要求1所述的方法，其特征在于：在步骤(5)所述的结合图像空间位置信息，提出一种新的区域间的相似性度量方法，颜色距离可以表示为其中|r_i|，|r_j|分别表示第i和第j区域中包含的像素个数，μ_i和μ_j分别表示两个区域的颜色均值，||·||表示欧式距离。边缘距离可以表示为其中和分别表示邻接区域边缘两侧像素的颜色均值。在区域合并的过程中，采用颜色距离公式可以优先合并小区域，采用边缘距离公式可以对边缘区域进行较好的平滑过渡，因此可以综合两者的优点来进行区域合并，但两者的量级不同，因此提出了一种新的区域间的相似性度量方法为其中，P+Q＝1，用该度量方法对彩色图像进行区域合并，并通过颜色散度变化控制区域合并停止，当图像内的区域合并至K_r个区域时散度函数可以表示为：其中，表示一个区域内的颜色散度，J_tot表示图像所含有总的颜色散度，N表示图像内所含总的像素数目，x_i表示图像中第i个像素的颜色值，x_mean表示图像整体的颜色均值，N_r表示第r个区域内的像素数目，表示第r个区域内的第i个像素的颜色值，表示第r个区域内的颜色均值。当散度有明显增大时，说明该区域不应该被合并，此时区域合并就要终止，得到最终分割结果。