[发明专利]基于调和K均值聚类的灰度图像直方图快速分割方法

摘要

本发明公开了一种基于调和K均值聚类的灰度图像直方图快速分割方法，包括输入灰度图像，计算得到灰度级直方图；确定图像的聚类分割数目m，设置调和K均值幂指数p值；初始化隶属度矩阵；按照KHM聚类原理，计算新的隶属度函数值矩阵U(t+1)；计算图像加权函数向量W；计算得到新的聚类中心向量Cj；若||U(t+1)‑U(t)||<ε或t达到允许的最大迭代值，则算法停止迭代；否则t=t+1，继续进行算法迭代；根据收敛得到的隶属度矩阵U(t)对图像实施分割。本发明对聚类初值不敏感，稳定性强，提高了灰度图像的分割质量，而且时间效率高，可实现实时分割任务，适用于实时性要求高的任务场所。

主权项

基于调和K均值聚类的灰度图像直方图快速分割方法，包括如下步骤：（1）输入大小为M×N的灰度图像，通过公式hi=ni/(M×N)计算得到归一化的图像灰度级直方图H={h0,…,hi,…,hL‑1}，这里ni表示待分割图像内灰度级为i的像素数，L‑1表示图像内最大灰度级数；（2）确定图像的聚类分割数目m，这里m为聚类中心数，初始化形如C={c1, c2, …, cm}的聚类中心向量，这里0<c1<c2<…<cm<L‑1；设置调和K均值幂指数p值；（3）令算法迭代统计变量t=0，初始化灰度级i隶属于以cj为中心的隶属度U=[uij]L×m矩阵，矩阵U中元素满足0≤uij≤1且；（4）按照KHM聚类原理，根据公式计算新的隶属度函数值矩阵U(t+1)，这里||i‑cj||表示灰度级i到聚类中心cj的欧氏距离值，p>0表示调和K均值距离幂指数；（5）依据公式计算图像灰度级i到各聚类的加权函数向量W；（6）根据公式，计算得到新的聚类中心向量Cj；（7）若||U(t+1)‑U(t)||<ε或t达到允许的最大迭代值，则算法停止迭代，这里||.||表示矩阵的L2‑范数，ε为预先设定的一极小值，在本发明中ε取值为1.0e‑6；否则t=t+1，转到第（4）步继续进行算法迭代；（8）根据收敛得到的隶属度矩阵U(t)对图像实施分割，并输出分割结果。