[发明专利]基于FCM算法的自适应土壤图像阴影检测方法

说明书

本发明提供的一种基于FCM算法的自适应土壤图像阴影检测方法，包括：确定土壤图像的I分量和L分量的聚类中心；构建改进FCM算法优化模型：采用拉格朗日乘子法将改进FCM算法优化模型转换；转换后的优化模型分别对u_ij，v_i和λ_j求偏导并令偏导等于零，解出u_ij和v_i，根据步骤S4得出的隶属度u_ij以及聚类中心v_i构建隶属度矩阵U和聚类中心矩阵V，并构建吸引权重矩阵F；初始化聚类中心矩阵V、L分量图像和I分量图像；找出聚类中心值最小的聚类中心，该聚类中心为土壤图像的阴影的聚类中心v_shadow，并提取出隶属于聚类中心为v_shadow的数据点，即为土壤图像的阴影数据点；能够对土壤图像中的阴影做出准确检测，确保检测精度，效率高。

技术领域

本发明涉及一种图像处理方法，尤其涉及一种基于FCM算法的自适应土壤图像阴影检测方法。

背景技术

土壤自然断口包含重要的土种识别特征，是对土壤的土种鉴别的最重要的特征识别点，在土壤自然断口的识别时往往通过土壤图像进行，而在获取土壤图像时，土壤自然断口由于存在凹凸不平的现象，从而导致图像中会出现阴影，因此，需要对土壤图像的阴影进行检测并在后期进行阴影消除，从而保证土种识别的准确性，现有技术中，对于土壤图像阴影的检测精度低，而且算法过程复杂。

因此，为了解决上述技术问题，亟需提出一种新的技术手段。

发明内容

有鉴于此，本发明的目的是提供一种基于FCM算法的自适应土壤图像阴影检测方法，能够对土壤图像中的阴影做出准确检测，确保检测精度，而且整个过程简单，易于实施。

本发明提供的一种基于FCM算法的自适应土壤图像阴影检测方法，包括如下步骤：

S1.确定土壤图像的I分量和L分量的聚类中心；

S2.构建改进FCM算法优化模型：

其中，u_ij表示图像数据点x_j隶属于聚类中心v_i的隶属度，v_i表示第i类的聚类中心；m为模糊加权数，F_i表示第i类的吸引权重，||x_j-v_i||表示图像数据点x_j与聚类中心v_i的欧式距离；

S3.采用拉格朗日乘子法将改进FCM算法优化模型转换为：

其中，λ_j拉格朗日乘子；

S4.步骤S3中的转换后的优化模型分别对u_ij，v_i和λ_j求偏导并令偏导等于零，解出u_ij和v_i：

其中，c为聚类数；

S5.根据步骤S4得出的隶属度u_ij以及聚类中心v_i构建隶属度矩阵U和聚类中心矩阵V，并构建吸引权重矩阵F，其中，F＝{F₁,F₂,···,F_i,···,F_c}；

S6.初始化聚类中心矩阵V、L分量图像和I分量图像；

更新隶属度矩阵U、聚类中心矩阵V以及吸引权重矩阵F，直至各聚类中心的变化值小于设定阈值δ或者达到最大迭代次数T；