[发明专利]基于快速全局K均值的自适应图像分割方法

摘要

本发明公开了一种基于快速全局K均值的自适应图像分割方法，主要解决现有技术自适应分割图像效果差和计算复杂度高的缺点，其实现步骤为：(1)读入一幅待分割的图像，提取待分割的图像的纹理特征；(2)设置图像聚类数c的搜索范围；(3)用改进后的快速全局K均值方法将纹理特征聚成c类，得到聚类中心；(4)计算每一个纹理特征属于每一类的隶属度；(5)根据隶属度和聚类中心计算聚类数为c，c-1，c-2分别对应的有效性指标L(c),L(c-1),L(c-2)；(6)若L(c-1)＞L(c-2)并且L(c-1)＞L(c)，则输出分割结果，否则，令c=c+1，返回步骤(3)。本发明与其他方法相比，计算复杂度低，自适应获得的最佳类别数和分割结果更准确，可用于对图像进行分割和聚类。

主权项

一种基于快速全局K均值的自适应图像分割方法，包括如下步骤：(1)输入一幅大小为R×Q的待分割的图像，总像素点个数为n，n＝R×Q，设置该待分割的图像聚类数c的搜索范围[cmin,cmax]，并令c＝cmin；(2)对待分割图像的每一个像素点，用M×M的窗口进行3层小波变换，提取纹理特征xj,j＝1,...,n；(3)用改进后的快速全局K均值方法将提取的纹理特征xj,j＝1,...,n聚成c类，得到聚类中心V＝{v1,v2,..,vc}，vi是每一类的聚类中心，i=1，...,c；(4)根据下式求出每一个像素点的纹理特征xj属于第i类的隶属度uij： u ij = ( ( Σ f = 1 c d i , j d f , j ) 2 m - 1 ) - 1 , 其中di,j为xj与第i类聚类中心vi的欧氏距离，df，j为xj与第f类聚类中心vf的欧氏距离j＝1,2,...,n，f，i=1,2,...,c，m是模糊参数，取m=2；(5)根据隶属度uij和聚类中心V，计算聚类数为c，c‑1，c‑2分别对应的有效性指标L(c),L(c‑1),L(c‑2)： L ( z ) = Σ i = 1 c ( Σ j = 1 n u ij m ) | | v i - x | | 2 / ( z - 1 ) Σ i = 1 c ( Σ j = 1 n u ij m ) | | v i - x | | 2 / ( n - z ) , z = c - 2 , c - 1 , c 其中，x中间变量， x = Σ i = 1 c Σ j = 1 n u ij m x j n ; (6)比较有效性指标L(c),L(c‑1),L(c‑2)的值，如果L(c‑1)＞L(c‑2)且L(c‑1)＞L(c)，则最佳类别数copt＝c‑1，并输出最佳类别数copt对应的分割结果，否则，令c=c+1，转至步骤(3)。