[发明专利]基于形态学重建和隶属度滤波的模糊聚类图像分割方法

摘要

本发明公开了一种基于形态学重建和隶属度滤波的模糊聚类图像分割方法，包括以下步骤：读入原始图像f、对原始图像的灰度级进行模糊聚类、随机初始化隶属度矩阵U⁰，设置循环计数器t＝0、更新聚类中心v_k、更新隶属度矩阵U^(t+1)、对隶属度矩阵U进行中值滤波处理、根据隶属度矩阵U'得到图像分割结果P。本发明除了过滤窗口大小外,不受额外参数的限制；不需要考虑图像含有的噪声类型；不需要对邻域内像素与聚类中心的距离进行冗余计算,计算复杂度较低；有效利用了邻域空间信息,具有良好的图像分割效果。相对于现有的算法，本发明的方法具有很明显的分割效果优势和运行时间上的优势。

主权项

1.一种基于形态学重建和隶属度滤波的模糊聚类图像分割方法，其特征在于，包括以下步骤：1)读入原始图像f，设置聚类中心数量c、初始聚类中心数值v0、模糊化参数m、滤波窗口大小w和最小误差阈值η；2)对原始图像的灰度级进行模糊聚类,目标函数为:ε＝RC(f)    (2)其中γl是灰度级级数,ukl代表隶属度矩阵中的数,参数m是模糊加权指数,用来决定聚类结果的模糊程度,ε是形态学闭合重建后的图像,εl是重建图像的像素点,vk是聚类中心,q表示像素灰度级的数量,c表示聚类中心个数,RC代表形态学闭合重建,f代表原始图像；利用公式(2)对图像进行形态学闭合重建并计算形态学闭合重建后的新图像ε的灰度直方图；3)随机初始化隶属度矩阵U0，设置循环计数器t＝0；4)利用拉格朗日乘子算法,将上述目标函数的优化问题转化为无约束优化问题,将目标函数的极小值问题转化为求拉格朗日函数的极值点，即用ukl和vk对Jm进行求导，目标函数变成:其中,λ是拉格朗日乘子,通过求拉格朗日函数的极值点,得到相应的解为:根据公式(4)得到图像的隶属度矩阵U＝[ukl]c×q；再采用中值滤波的方法对隶属度矩阵U进行修正；U'＝med(U)    (6)其中med代表中值滤波；5)用公式(5)更新聚类中心vk,用公式(6)更新隶属度矩阵U(t+1)；6)如果{U(t)‑U(t‑1)}＜η,停止迭代，并进入下一步骤；否则t＝t+1,并转到步骤5)；7)使用公式(6)对隶属度矩阵U进行中值滤波处理，得到修正后的隶属度矩阵U'；8)根据隶属度矩阵U'得到图像分割结果P。