[发明专利]基于均值漂移和邻域信息的模糊C均值图像分割方法

摘要

本发明公开了一种基于均值漂移和邻域信息的模糊C均值图像分割方法，主要解决现有图像分割方法的分割精确低和鲁棒性差的问题。其方法步骤是(1)输入一幅待分割图像；(2)采用均值漂移算法，计算聚类数目和初始聚类中心；(3)初始化；(4)计算待分割图像中邻域图像块的权值；(5)计算待分割图像中每一个像素点的加权模糊因子权值；(6)聚类迭代；(7)判断是否满足迭代停止条件；(8)产生分割图像。本发明充分利用了图像的邻域信息，使该方法对噪声的鲁棒性更好，图像的分割正确率得到很大提高。

主权项

一种基于均值漂移和邻域信息的模糊C均值图像分割方法，其特征在于，具体实现步骤如下：(1)输入一幅待分割图像；(2)采用均值漂移算法，计算聚类数目和初始聚类中心：(3)初始化：将初始循环次数设为0，将最大迭代次数设为500，随机初始化待分割图像的隶属度矩阵；(4)计算待分割图像中邻域图像块的权值：(4a)以待分割图像中的像素点为中心，以1个像素单位为半径，获得此范围内的9个像素点组成的3*3个像素单位的邻域图像块，得到所有像素点的邻域图像块；(4b)计算每一个邻域图像块中像素点灰度值的方差值；(4c)将每一个邻域图像块中所有像素点灰度值的方差投影到高斯核空间；(4d)按照下式，将每一个邻域图像块的权值归一化：其中，wi表示待分割图像中第i个像素点的邻域图像块归一化后的权值，i表示待分割图像中第i个像素点的标号，表示将待分割图像中第i个像素点的邻域图像块中所有像素点灰度值的方差投影到高斯核空间后的值，∑表示求和操作，j表示待分割图像中第i个像素点的邻域图像块中第j个像素点的标号，{·}表示元素集合符号，∈表示属于符号，Ni表示待分割图像中第i个像素点的邻域图像块中所有像素点的集合，表示将待分割图像中第i个像素点的邻域图像块中第j个像素点的邻域图像块中所有像素点灰度值的方差投影到高斯核空间后的值；(5)计算待分割图像中每一个像素点的加权模糊因子权值：(5a)计算待分割图像中像素点和其邻域图像块中像素点的空间距离权值；(5b)计算待分割图像中像素点和其邻域图像块中像素点的空间强度权值；(5c)按照下式，计算待分割图像中每一个像素点的加权模糊因子权值：wi＝w1·w2其中，wi表示待分割图像中第i个像素点的加权模糊因子权值，i表示待分割图像中第i个像素点的标号，w1表示待分割图像中第i个像素点与其邻域图像块中像素点的空间距离权值，w2表示待分割图像中第i个像素点和其邻域图像块中像素点的空间强度权值；(6)聚类迭代：(6a)利用步骤(5c)中计算的加权模糊因子权值，计算待分割图像中每一个像素点的隶属度，将所获得的所有像素点的隶属度组成隶属度矩阵；(6b)对待分割图像中每一个像素点的隶属度进行平滑处理；第1步，按照下式，计算邻域图像块中的像素点对邻域图像块的中心像素点的控制系数：p(xi,xij)=d(xi,xij)Σ{j}∈Nid(xi,xij)]]>其中，p(·)表示邻域图像块中的像素点对邻域图像块的中心像素点的控制系数，其值越接近于1，表明邻域图像块中的像素点与中心像素点的相关性越大，xi表示待分割图像中第i个像素点的灰度值，xij表示第i个像素点的邻域图像块中第j个像素点的灰度值，d(·)表示两个像素点的欧式距离；第2步，按照下式，计算每一个邻域图像块中所有像素点的权重系数：aij=p(xi,xij),|xi-xm|<δi0,|xi-xm|>δi]]>其中，aij表示待分割图像中第i个像素点的邻域图像块中第j个像素点的权重系数，p(·)表示邻域图像块中的像素点对邻域图像块的中心像素点的控制系数，||表示求绝对值操作，xm表示待分割图像中第i个像素点的邻域图像块中所有像素点灰度值的平均值，δi表示待分割图像中第i个像素点邻域图像块中所有像素点灰度值的方差值；第3步，按照下式，对待分割图像中每一个像素点的隶属度进行平滑处理：uki′=Σ{j}∈Niaijuki]]>其中，u'ki表示待分割图像中第i个像素点属于初始聚类中心中第k类的隶属度平滑处理后的值，uki表示待分割图像中第i个像素点属于初始聚类中心中第k类的隶属度，aij表示待分割图像中第i个像素点的邻域图像块中第j个像素点的权重系数，aij∈[0,1]，aij用来控制待分割图像中第i个像素点邻域图像块中的像素点对邻域图像块中心像素点影响的大小；(6c)按照下式，计算当前迭代次数的待分割图像聚类中心：v2k=Σi=1n(uki′)mΣ{j}∈NiwixijΣi=1n(uki′)mΣ{j}∈Niwi]]>其中，v2k表示当前迭代次数的待分割图像聚类中心第k类的中心灰度值，n表示待分割图像的像素点数目，u'ki表示待分割图像中第i个像素点属于初始聚类中心中第k类的隶属度平滑之后的值，k表示聚类中心中第k类的标号，m表示模糊指数，取值为2；(6d)用当前迭代次数的待分割图像聚类中心灰度值替换待分割图像聚类中心灰度值，得到新的待分割图像聚类中心灰度值；(6e)用新的待分割图像聚类中心灰度值减去替换前的待分割图像聚类中心灰度值，得到一个差值矩阵，再将差值矩阵中每个元素取绝对值，得到差值绝对值矩阵；(7)判断差值绝对值矩阵中的元素值是否满足迭代停止条件，若是，则执行步骤(8)，否则，将聚类迭代中的迭代次数加1，执行步骤(6)；(8)产生分割图像：(8a)从待分割图像像素点的隶属度矩阵中找出待分割图像中每个像素点所在列中的最大隶属度，将该最大隶属度在隶属度矩阵中位置的行标号，作为该最大隶属度所对应的像素点的类标号；(8b)将聚类中心中每一类的灰度值作为该类内所有像素点的灰度值；(8c)显示待分割图像中的所有的类，完成图像分割。