[发明专利]基于粗糙集的快速抑制模糊聚类的图像分割方法

摘要

本发明提出了一种基于粗糙集的快速抑制模糊聚类的图像分割方法，用于解决现有图像分割方法运行速度慢、分割正确率低和对噪声的鲁棒性差的技术问题，其实现步骤是：1.输入一幅待分割的图像I1；2.求取图像I1中像素点xi的局部信息的加权均值和非局部信息的均值；3.获得重构图像；4.对重构图像的灰度直方图进行聚类；5.判断当前迭代次数是否大于最大迭代次数T，若是，执行步骤6，否则，迭代次数加1，执行步骤4；6.输出所获取的重构图像的隶属度矩阵和聚类中心；7.获得分割图像。本发明提高了图像分割的运行速度和分割正确率，增强了噪声的鲁棒性，可用于人工合成图像、医学图像和自然图像的特征提取和目标识别。

主权项

1.一种基于粗糙集的快速抑制模糊聚类的图像分割方法，包括如下步骤：(1)输入一幅待分割的图像I1；(2)分别求取图像I1中像素点xi的局部信息的加权均值x′i和非局部信息的均值(3)根据局部信息的加权均值x′i和非局部信息的均值获得重构图像I2，按如下步骤进行：3a)利用自适应因子λ，将图像I1的局部信息的加权均值x′i和非局部均值相结合，得到像素点xi的灰度值 θ i = ( 1 λ ) x i ′ + ( 1 - 1 λ ) x ‾ i ]]>其中，λ的计算公式如下：λ＝max{|xj-xi|},xj∈Qi其中，Qi是以xi为中心的3×3的邻域内像素点的集合；3b)将得到的所有像素点的灰度值依照这些像素点在图像I1中的位置依次赋值给与图像I1相同尺寸的第二空矩阵P2中的所有元素，得到第三矩阵P3，将该矩阵通过imshow函数显示出来，得到重构图像I2；(4)对重构图像I2的灰度直方图进行聚类，实现步骤为：4a)随机初始化重构图像I2的聚类中心为初始迭代次数为0，计算重构图像I2在当前迭代中的每个灰度值的隶属度u′kj，k是聚类中心第k类的标号，j表示像素点的灰度值，将所获得的所有灰度值的隶属度组成隶属度矩阵，并采用抑制模糊C均值的抑制方法修改所获得的隶属度矩阵，获取当前迭代次数的隶属度矩阵，具体实现步骤为：根据抑制模糊C均值的抑制方法，对所得到的重构图像I2的隶属度矩阵中的部分隶属度值进行修改，公式如下：upj＝aupj+(1-a)ukj＝aukj,k≠pj∈Gr其中，upj＝maxk＝1:cukj，抑制因子a＝0.5，Gr是将所得到的灰度值的隶属度矩阵的每一列中的最大隶属度的值按照从大到小的顺序进行排序，选择前r个隶属度所在的列的隶属度组成的集合；采用黄金分割法来选择参数r，r＝0.618*256＝158；4b)根据粗糙集方法，计算重构图像I2的当前迭代次数的聚类中心Vk；(5)判断当前迭代次数是否大于最大迭代次数T，若是，执行步骤(6)，否则，当前迭代次数加1，执行步骤(4)；(6)输出所获取的重构图像I2的隶属度矩阵ukj和聚类中心V2，聚类中心V2是步骤4中最后一次迭代后所输出的聚类中心，聚类中心V2＝{Vk,k＝1,2,...,c}；(7)根据所获取的模糊隶属度矩阵ukj和聚类中心V2，得到最终的分割图像：7a)从重构图像I2的模糊隶属度矩阵ukj中找出重构图像I2中每个灰度值所在列中的最大隶属度，并将这些最大隶属度在隶属度矩阵中位置的行标号，作为这些最大隶属度所对应的灰度值的类标；7b)将聚类中心V2中每一类的灰度值赋给具有相应类标的像素点，得到第一矩阵P1；7c)将第一矩阵P1通过imshow函数显示出来，得到分割后的图像。