[发明专利]利用空间信息约束的稀疏子空间模糊聚类的图像分割方法

权利要求书

1.利用空间信息约束的稀疏子空间模糊聚类的图像分割方法，其特征在于：该方法包括有：

1)利用超像素分割将图像预分割为超像素块，并计算每一个超像素块的Gabor特征描述子以及通道特征描述子，以抑制噪声造成的区域分割不一致；

2)设计算法模型，将模糊聚类中的隶属度约束加入到基于稀疏子空间聚类方法，将稀疏自相关系数同隶属度一起交替更新，同时完成寻优；

3)设计空间信息约束形式，将邻域约束加至上述算法设计模型中，以应对图像分割问题；

所述的算法模型框架的目标函数形式如下：

其中，Z表示样本自相关系数矩阵；E表示误差项；X表示样本Gabor描述子特征矩阵；α表示隶属度范数权衡参数；λ表示误差项权衡参数；U表示样本隶属度矩阵，V表示样本类别中心；i表示第i个类别；k表示第k个样本；m为模糊系数；y_j表示第j个样本的通道描述特征，表示自相关系数归一化，Ν_j表示邻域窗口，r为邻域窗口内的第r个样本，表示超像素j中最外围的像素距离中心平均距离，D_jr表示超像素j与r的中心距离；

该方法具体步骤如下：

步骤一：将待分割图像I，其中图像大小为(H,W,c)，即长为H，宽为W，通道数为c，进行简单线性迭代聚类预分割，将待分割图像分成K个超像素，计算超像素之间中心的欧式距离矩阵D；

步骤二：将待分割图像I进行Gabor滤波，滤波模板参数选择为15×15，

方向为个方向，滤波尺度大小为5种，根据Gabor滤波的参数设定，待分割图像经过Gabor滤波后一共获得40个滤波结果R(H,W,40)；

步骤三：获取超像素特征：(1)根据每一个超像素的区域，求取每一个Gabor滤波结果在超像素区域的平均值，获得超像素的Gabor特征描述子X(K,40)；(2)根据每一个超像素的区域，求取每一通道超像素区域的平均值，获得超像素的通道特征描述子Y(K,c)；

步骤四：设置最大迭代数T_max，模糊因子m＝2，终止阈值ε＝10^-6；

步骤五：将迭代次数t设为0，令权衡参数α＝0，利用ADMM算法计算稀疏自相关系数Z⁽⁰⁾；

步骤六：固定稀疏自相关系数矩阵Z^(t-1)，更新隶属度矩阵U^(t)、聚类中心V^(t)；

步骤七：固定隶属度矩阵U^(t)，更新稀疏自相关系数矩阵Z^(t-1)；

步骤八：判断或者是否小于终止阈值，若小于直接至输出，若大于，则迭代次数t＝t+1，判断t是否超过最大迭代数T_max，若大于T_max，则至输出，若小于，则返回步骤六；

输出：隶属度矩阵U，聚类中心V，稀疏自相关系数矩阵Z，根据隶属度U_ij判断该样本的类别标签，通过上述步骤对每个超像素的标注类别标签，即完成图像分割。