[发明专利]一种结合邻域信息的快速鲁棒模糊C均值图像分割方法

摘要

本发明涉及一种结合邻域信息的快速鲁棒模糊C均值图像分割方法。该方法主要包含两步：首先，根据图像的局部相关性来重塑图像灰度；然后，在灰度重塑图像上，执行快速模糊C均值分割算法。本发明的主要特色有以下两点：（1）通过图像像素间的灰度相关性和空间相关性设计出相似性度量，并利用该度量达到去除图像噪声和保留图像细节的双重目的；（2）利用灰度值的分布特性把基于像素的分割转变为基于灰度的分割，其相应的时间复杂度由O(NcI1)降至O(QcI2)，其中c为聚类个数，I1和I2分别为像素分割和灰度分割的迭代步数，由于灰度级个数Q远远小于像素个数N，本发明大大减少了分割阶段的时间复杂度。

主权项

一种结合邻域信息的快速鲁棒模糊C均值图像分割方法，包括以下步骤：步骤1：对所有的邻域窗口，计算邻居像素与中心像素的相似性度量Sij， S ij = S s _ ij × S g _ ij j ≠ i 0 j = i - - - ( 1 ) 其中，第i个像素表示邻域窗口的中心像素，第j个像素表示邻域窗口的邻居像素，Ss_ij是像素的空间相似性： S s _ ij = exp ( - max ( | p j - p i | , | q j - q i | ) λ s ) - - - ( 2 ) 其中一个像素占一个单位长度，(pi,qi)表示像素i的坐标，λs是空间相似性Ss_ij宽展的伸缩因子，其取值决定空间相似性Ss_ij的变化趋势；Ss_ij是像素的灰度相似性： S g _ ij = exp ( - | | x i - x j | | 2 λ g × σ g _ i 2 ) , - - - ( 3 ) 其中σg_i反映邻域窗口的灰度同质性： σ g _ i = Σ j ∈ N i | | x j - x i | | 2 N R - - - ( 4 ) 其中xi表示中心像素的灰度值，xj表示同一个邻域窗口中邻居像素的灰度值，λg是灰度相似性Ss_ij宽展的全局伸缩因子；步骤2：对所有的像素点，利用相似性度量Sij来重塑图像，并用线性加权的方法构造出新图像ξ： ξ i = Σ j ∈ N i S ij x j Σ j ∈ N i S ij - - - ( 5 ) 其中ξi表示新图像ξ中第i个像素的灰度值，xj表示原图中环绕在中心像素i周围的邻居像素的灰度值，Ni指落在中心像素i周围的邻居像素的集合；步骤3：针对新图像ξ，在其灰度直方图上执行快速模糊C均值分割方法，相应的目标函数为： J s = Σ i = 1 c Σ l = 1 Q γ l u il m ( ξ l - v i ) 2 - - - ( 6 ) 其中uil表示具有灰度值l的象素对第i个聚类的隶属度，vi表示第i个聚类的中心点，Q表示给定图像的灰度级的总个数，Q< u il = ( ξ l - v i ) - 2 m - 1 Σ j = 1 c ( ξ l - v j ) - 2 m - 1 - - - ( 7 ) v i = Σ l = 1 q γ l u il m ξ l Σ l = 1 q γ l u il m - - - ( 8 ) 交替求解隶属度矩阵U和聚类中心V，直到聚类中心不再变化或者达到最大迭代步数，最后输出分割结果。