[发明专利]一种邻域加权模糊聚类图像分割方法

权利要求书

1.一种邻域加权模糊聚类图像分割方法，其特征在于，计算图像中每一个像素的邻域像素权重，并将邻域像素权重融入到模糊C均值聚类算法的目标函数中，得到目标函数J_NWFCM，对目标函数J_NWFCM进行优化得到使目标函数J_NWFCM为局部最小值的每一个像素的模糊隶属度值，利用每一个像素的模糊隶属度值对图像进行分割；

具体包括以下步骤：

步骤一，设定聚类数目c、模糊加权指数m和迭代停止阈值ε_L；

步骤二，采用随机化的方法初始化聚类中心v_k；

步骤三，计算每一个像素的邻域像素权重W_i；

步骤四，将步骤三计算得到的权重W_i＝{w_ir,r∈N_i}融入到FCM算法的目标函数中，得到目标函数J_NWFCM为

式(5)中，c为聚类数目，u_ik为第i个像素属于第k类的模糊隶属度值，m为模糊加权指数，控制聚类结果模糊程度，v_k为第k个类的中心，N_i为第i个像素的邻域，x_r为像素灰度值；

步骤五，对步骤四得到的目标函数J_NWFCM进行优化得到计算像素的模糊隶属度值的式(6)和计算聚类中心的式(7)；

步骤六，对步骤五中的式(6)和式(7)进行迭代，直至式(8)成立，则得到使目标函数J_NWFCM为局部最小值的每一个像素的模糊隶属度值u_ik，否则继续迭代；

||v_old-v_new||≤ε_L (8)

式(8)中，v_new为当前迭代的聚类中心，v_old为前一步迭代的聚类中心；

步骤七，根据步骤六得到的u_ik，代入式(9)计算每个像素的分类标签，完成图像分割；

所述步骤三中每一个像素的邻域像素权重W_i计算步骤如下：

首先，设X＝{x₁,x₂,...,x_n}表示具有n个像素的图像，x_i为第i个像素的灰度值，像素x_i的邻域像素的灰度均值μ_i为

式(1)中，N_i为像素x_i的邻域，N_R为集合N_i的势，x_r为像素x_i的邻域像素，x_r和μ_i之间的L₁范数为

σ_ir＝|x_r-μ_i| (2)

定义像素x_i的邻域像素x_r(r∈N_i)的权重为

式(3)中β为伸缩因子，这里取β＝3；σ_i为σ_ir(r∈N_i)的最大值，即对ξ_ir进行归一化处理得权重w_ir：

记像素x_i的邻域像素的权重为W_i＝{w_ir,r∈N_i}。

2.根据权利要求1所述的一种邻域加权模糊聚类图像分割方法，其特征在于，所述步骤五中采用拉格朗日乘子法进行优化计算。

3.根据权利要求1所述的一种邻域加权模糊聚类图像分割方法，其特征在于，所述步骤三中的邻域为二阶邻域，在二阶邻域中，每个像素有8个邻点。