[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

说明书

本申请提供的面向对象模糊聚类图像分割方法、系统、终端及存储介质，在影像域中随机确定若干个生成点，将影像域划分为若干个非规则区域，形成对象，构建像素关于邻域像素的特征场马尔可夫模型，用以刻画对象与聚类的模糊非相似性，并基于标号场构建对象关于聚类的先验概率，并据此构建基于特征场MRF的面向对象模糊聚类目标函数，以目标函数最小化为准则，结合MH算法优化生成点，调整对象覆盖范围，以进一步准确拟合同质区域边界，得到最佳分割结果，本申请提供的面向对象模糊聚类图像分割方法、系统、终端及存储介质，在保证算法具有较强抗噪性的同时，避免因对象间光谱特征相似导致的误分割问题，进一步提高图像分割精度。

技术领域

本申请属于图像处理技术领域，具体涉及一种面向对象模糊聚类图像分割方法、系统、终端及存储介质。

背景技术

随着遥感影像空间分辨率的不断提高，地物细节信息更加丰富。传统像素级分割方法即使引入了模糊集理论也难以有效克服冗余细节信息的影响，如FCM算法、FCM_S算法、FLICM算法、RFLICM算法及HMRF-FCM算法等，导致分割结果中存在大量“椒盐”现象，分割效果较差。为了克服冗余细节信息，面向对象的遥感图像分割方法展现出强大的优势。其将特征相似的空间临近像素聚集形成对象，然后以对象为基本操作单元构建分割模型，在克服噪声提高分割精度方面取得了良好的成就。然而，当前面向对象的分割方法一般基于对象结果直接实现分割，缺乏依据全局自适应调整劣质对象的机制，导致分割结果过度依赖对象构建结果。为了刻画对象分割过程中的不确定性并自适应优化对象，R-HMRF-FCM算法将基本处理单元由像素扩展到对象，基于高斯分布构建对象与聚类间模糊非相似性，并将像素级熵规则化项扩展到对象级熵规则化项，据此建立面向对象的模糊聚类目标函数，并结合对象自适应调整机制优化同质区域分割边界。该方法可有效克服高分辨率冗余噪声对分割结果的影像，但是由于缺乏考虑对象内像素空间相互作用机制，导致算法在致力于克服噪声的同时容易忽略对象内有效细节信息，导致光谱相近纹理等空间结构特征不同的对象极易被误分割，影响分割精度。

发明内容

鉴于此，有必要针对现有技术存在的缺陷提供一种可提高分割精度的面向对象模糊聚类图像分割方法。

为解决上述问题，本申请采用下述技术方案：

本申请提供了一种面向对象模糊聚类图像分割方法，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。

在其中一些实施例中，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。

在其中一些实施例中，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：