[发明专利]一种用于图像类别识别的图像聚类方法

权利要求书

1.用于图像类别识别的图像聚类方法，其特征在于，包括下列步骤：

步骤S1：对待处理的图像进行降维处理：

步骤S101：对待处理的图像的像素值进行归一化处理；其中，待处理的图像的尺寸相同，图像尺寸表示为n×m；

步骤S102：计算每幅图像的相关系数矩阵：

第q幅图像的相关系数矩阵其中，x_ki、x_kj分别表示第q幅图像的第k行第i列、第k行第j列的像素值，表示分别表示图像q的第i列、第j列的像素均值，i,j＝1,2,…,m；

步骤S103：基于主成分分析得到降维后的图像数据：

计算相关系数矩阵R_q的特征根并降序排列：λ₁,λ₂,…,λ_m；

将与m个特征值λ₁,λ₂,…,λ_m对应的特征向量记为：α_j＝[α_1j α_2j…α_mj]^T，其中j＝1,2,…,m；

根据公式y_ij＝α_1jx_i1+α_2jx_i2+…+α_mjx_im计算主成分y_ij，其中i＝1,2,…,n,j＝1,2,…,m；

计算每个特征值λ_j的累计贡献率筛选累计贡献率SCR_j大于或等于累计贡献率阈值δ_thr的特征值，再从筛选出的特征值中的选取前两个最大特征值并将对应特征向量记为α¹，α²；

分别将α¹和α²对应的主成分的均值记为y_q1、y_q2，从而得到第q个图像降维后的图像数据Y_q＝{y_q1,y_q2}；

步骤S2：基于泰森多边形对待聚类的图像集进行聚类处理：

步骤S201：基于降维后的图像数据构建泰森多边形：

将图像数据Y_q＝{y_q1,y_q2}作为数据点q，其中y_q1,y_q2用于标识数据点q的位置坐标；

在数据点q所在的二维平面内构建矩形E，且所有待聚类的图像数据Y_q所对应的数据点均位于矩形E中；

在所有降维后的图像数据集所构成的二维平面α内，构建一个矩形E，所有待聚类的图像数据Y_q位于所述矩形E内；

在点q所在的二维平面内构建泰森多边形，且各个泰森多边形单元的母点均在矩形E中；

步骤S202：遍历泰森多边形中的边缘单元，确定泰森多边形单元的顶点集：

对当前边缘单元V_i，连接边缘单元V_i和其相邻单元V_i+1的母点，将母点的连线的斜率记为k₁；以及将边缘单元V_i和其相邻单元V_i+1的公共边的斜率记为k₂；

若k₂＞k₁，则边缘单元V_i和其相邻单元V_i+1的公共边和矩形E相交，计算边缘单元V_i和其相邻单元V_i+1与矩形E的公共交点并加入边缘单元V_i的顶点集中；若k₂≤k₁，则将该公共边与矩形E交点加入V_i+1单元的顶点集中；其中单元的顶点集的初始值为空集；

其中，若边缘单元与矩形E的交点位于不同的边上，则将边缘单元与矩形E的所有交点加入当前边缘单元的顶点集中；

步骤S203：基于泰森多边形设置初始聚类数和初始聚类中心点：

计算当前泰森多边形的每个泰森多边形单元的单元密度系数，若存在单元密度系数小于预置的密度系数阈值，则将单元密度系数大于或等于密度系数阈值的泰森多边形单元的质心为新的母点重新生成新的泰森多边形；

若当前泰森多边形的每个泰森多边形单元的单元密度系数均大于或等于密度系数阈值，则保留当前泰森多边形，否则继续重新生成新的泰森多边形；

将保留的泰森多边形的单元个数作为聚类数目k，并将每个泰森多边形单元的母点作为初始聚类中心点D₁,D₂,…,D_k；

其中，单元密度系数为：单元密度与参数ρ_rectangle的比值，d表示四边形区域中全部的数据点数，S_rectangle表示矩形E的面积；单元密度为泰森多边形单元包括的数据点数与其面积的比值；

步骤S204：基于确定的聚类数目k、以及初始聚类中心点D₁,D₂,…,D_k，通过k均值聚类法对所有图像数据Y_q进行聚类处理，得到k个聚类结果；

再将当前k个聚类结果转换为对应的原始图像，得到待处理的图像的聚类结果。