[发明专利]基于快速核空间模糊聚类的异源图像粗大边缘检测方法

摘要

本发明公开了一种基于快速核空间模糊聚类的异源图像粗大边缘检测方法，通过分析具有共性的异源图像对象间粗大边缘的特点，提出了基于灰度和纹理的快速核空间可能性模糊C均值聚类的粗大边缘检测方法。可能性模糊C均值聚类算法在一定程度上克服了模糊C均值对噪声数据敏感和可能性C均值易产生一致性聚类的缺点，在此基础上，利用核空间的线性可分思想进一步提高了鲁棒性，通过引入数据分析中的数据约减思想，压缩参与迭代的特征空间数据集，大幅度提高了其实时性，本发明快速准确地提取了实际存在噪声的异源图像粗大边缘，为异源图像间的匹配奠定了基础。

主权项

基于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于：包括以下步骤：1）计算图像中每个像素的灰度和纹理特征值，并以此构建二维特征空间；2）利用数理分析中的数据约减思想，压缩参与聚类迭代的二维特征空间数据集，产生新的数据集；3）将约减后的新数据集的特征空间映射到高斯核空间中，以高斯核空间中的欧氏距离代替样本空间的欧氏距离；4）在高斯核空间下采用快速可能性模糊C均值聚类算法对图像进行分割；5）采用Canny算子对分割后的图像进行边缘检测。