[发明专利]面向对象模糊聚类图像分割方法、系统、终端及存储介质

权利要求书

1.一种面向对象模糊聚类图像分割方法，其特征在于，包括下述步骤：

步骤S110：将待分割图像域划分为若干个非规则区域；

步骤S120：获取基于特征场MRF模型的对象与聚类间模糊非相似性；

步骤S130：获取基于标号场MRF模型的对象隶属于聚类的先验概率；

步骤S140：获取对象隶属于聚类的模糊隶属度；

步骤S150：获取面向对象模糊聚类目标函数；

步骤S160：优化生成点集；

步骤S170：重复步骤S120-步骤S160，直至所述目标函数达到最小化时停止迭代。

2.根据权利要求1所述的面向对象模糊聚类图像分割方法，其特征在于，在将待分割图像域划分为若干个非规则区域的步骤中，所述待分割图像I＝{I_i(x_i,y_i):(x_i,y_i)∈Ω,i＝1,...,n}，其中，I_i＝(I_is:s＝1,...,h)为第i个像素的彩色矢量，是特征场Z＝{Z_i:(x_i,y_i)∈Ω,i＝1,...,n}在i上的具体实现，s为矢量维度索引，h为维度数，(x_i,y_i)为第i个像素的位置坐标，n为总像素数，Ω为待分割图像域。

3.根据权利要求2所述的面向对象模糊聚类图像分割方法，其特征在于，在将待分割图像域划分为若干个非规则区域的步骤中，具体包括下述步骤：

在待分割图像域Ω中随机产生m个生成点，得到初始生成点集合；

G＝{(a_j,b_j):(a_j,b_j)∈Ω,j＝1,...,m}，其中，(a_j,b_j)为第j个生成点的位置坐标，以各生成点为中心，采用空间距离最小化原则将待分割图像域Ω划分为m个非规则区域，形成对象，R＝{R_j:j＝1,...,m}，R_j所属聚类标号L_j可看作标号场F＝{F_j:j＝1,...,m}在j上的具体实现。

4.根据权利要求3所述的面向对象模糊聚类图像分割方法，其特征在于，在获取基于特征场MRF模型的对象与聚类间模糊非相似性的步骤中，具体包括下述步骤：

计算聚类l的均值μ_l＝(μ_ls:s＝1,...,h)及协方差

其中，u_jl为对象j隶属于聚类l的模糊隶属度，ξ为特征场邻域作用强度，δ_i＝{i’:i’～i}为像素i的邻域像素集，l_i为像素i所属聚类标号，l_i∈{1,...,k}，η(l_i,l_i’)为指示函数，当且仅当l_i＝l_i’时，η(l_i,l_i’)＝1，反之η(l_i,l_i’)＝0，

假设像素光谱服从独立同一高斯分布，基于特征场MRF模型计算像素i关于聚类l的条件概率，

其中，θ_l＝{μ_l,Σ_l}为聚类l所服从高斯分布参数；

计算对象与聚类间模糊非相似性，