[发明专利]一种基于万有引力的谱聚类图像分割算法

摘要

本发明公开了一种基于万有引力的谱聚类图像分割算法，克服了现有技术基于谱聚类算法的纹理图像分割方法的高时间和空间复杂度的不足，实现步骤为(1)读取纹理图像；(2)图像去噪；(3)利用灰度共生矩阵和灰度直方图提取图像的纹理特征；(4)对特征数据集，采用万有引力定律提取代表点；(5)对代表点集，调用自适应的谱聚类算法；(6)合并两次划分的结果；(7)输出分割图像。本发明利用一种基于万有引力的谱聚类算法对纹理图像进行分割，既保持了谱聚类算法可以在任意形状的样本空间上聚类且收敛于全局最优解的优点，又降低了其时间和空间复杂度，而且可以得到较好的分割结果。

主权项

一种基于万有引力的谱聚类图像分割算法，其特征在于，具体操作包括如下步骤：(1)输入纹理图像：1a)将待分割的纹理图像存入计算机硬盘；1b)在计算机中应用matlab软件读取步骤1a)中存储在计算机硬盘空间中待分割的纹理图像；(2)图像去噪：对纹理图像调用中值滤波器，去除图像中的斑点噪声和椒盐噪声，将滤波后的纹理图像存入内存；(3)提取图像的纹理特征：3a)应用matlab软件读取步骤(2)中所得的纹理图像；3b)计算图像的灰度共生矩阵；3c)统计图像中所有灰度出现的频率，求出需要的灰度直方图统计矩，将它们作为图像中每个像素的纹理特征；3d)利用步骤3c)得到的图像灰度的空间特性和统计特性，构造图像的纹理特征数据集并存入内存；(4)利用万有引力定律提取代表点：4a)利用matlab软件读取步骤(3)中所得的图像纹理特征数据集；4b)在纹理特征数据集所在的空间中投若干探测器；4c)利用万有引力定律对探测器进行移动与合并，直至所有探测器不再移动；4d)剩余的探测器即为纹理特征数据集的代表点集并存入内存；4e)将纹理特征数据集中所有数据点划分到离其最近的代表点的集合中，将划分结果存入内存；(5)调用自适应的谱聚类算法对代表点集进行聚类：5a)利用matlab软件读取在步骤(4)中得到的图像纹理特征数据集的代表点集；5b)对代表点集调用自适应的谱聚类算法进行聚类，将得到的聚类结果存入内存；(6)合并两次划分结果：6a)利用matlab软件读取在步骤4e)和步骤5b)中的划分结果；6b)对两次划分结果进行合并；(7)将划分为同一类的像素点设为相同的灰度值，不同类的像素点设为不同灰度值，得到分割后的图像；(8)输出分割图像。