一種具有抗噪性的快速模糊聚類數字圖像分割方法技術

本發明專利技術公開了一種具有抗噪性的快速模糊聚類數字圖像分割方法，該方法包括以下步驟：對待分割圖像進行特征提取，得到圖像的特征數據集X；利用圖像的特征數據集X和鄰域信息，對原始圖像進行抗噪預處理；利用K-means算法初始化聚類中心；計算模糊隸屬度矩陣；通過基于空間信息構造的空間函數來更新模糊隸屬度矩陣；基于更新后的模糊隸屬度矩陣計算聚類中心與用于實現聚類分割的目標函數值；循環迭代；根據聚類輸出的模糊隸屬度矩陣，得到數據點屬于某一類的概率大小，按照最大概率原則對每個數據點就行分類標記，完成圖像分割。本發明專利技術的方法可以經過較少的迭代次數取得理想的圖像分割效果，并很好地消除噪聲的影響，提高了圖像分割的質量和分割效果的穩定性。

【技術實現步驟摘要】

本專利技術涉及圖像處理
，具體涉及ー種具有抗噪性的快速模糊聚類數字圖像分割方法。
技術介紹
圖像是人類從客觀世界獲取信息的重要來源和傳遞信息的重要媒介，隨著計算機、互聯網等技術的發展，數字圖像處理技術在エ業、醫療、軍事、交通等行業中發揮著日益重要的作用。為了有效地提取和利用數字圖像中所包含的信息，需要對圖像進行分割。圖像分割是將一幅圖像分割成一組互不相交的子區域，同一區域內部具有相同或相似的特性，這里的特性可以是灰度、顔色、紋理等。圖像分割是模式識別、計算機視覺、圖像理解等領域的 最重要的基礎環節，它是由圖像處理到圖像分析的關鍵步驟，也是ー種基本的計算機視覺技木。模糊C-均值聚類方法(Fuzzy C-Means，簡稱FCM)是應用最為廣泛的模糊聚類圖像分割方法。相對于其他分割方法，FCM方法允許ー個像素同時屬于多個類，能夠保留初始圖像的更多的信息。FCM方法通過更新每ー個像素相對于每一個聚類的模糊隸屬度以及更新每ー個聚類中心，對用于實現聚類分割的目標函數進行迭代最小化，從而實現圖像的分割。FCM的目標函數E為:_5] F = sf=1sf=1/fh.-%||2⑴其中，C是待分割圖像類別的數目；N是圖像數據點的個數；Uij是第j個數據點相對于第i個聚類的模糊隸屬度邱是作用于模糊隸屬度上的權重指數；Vi是第i個聚類中心七是第j個數據點。用于實現聚類分割的目標函數最小化的約束條件為Uij C . Ef=1 Uy = 'I Vj and 0 < Ef=i uy < N Vi . (2)然而，標準的FCM方法在圖像分割中存在以下幾個明顯的缺點(1)初始聚類中心的選擇對于圖像分割結果有很大的影響，如果初始聚類中心選擇不好，則會使方法陷入局部最優，得不到理想的分割結果；(2)沒有考慮像素的空間信息，導致方法對于噪聲比較敏感，當處理有噪聲的圖像時，不能取得令人滿意的分割結果。
技術實現思路
本專利技術的目的就是為了解決上述問題，提供ー種具有抗噪性的快速模糊聚類數字圖像分割方法，它可用于噪聲圖像(包括彩色圖像和灰度圖像)和醫學圖像等數字圖像的分割。為了實現上述目的，本專利技術采用如下技術方案ー種具有抗噪性的快速模糊聚類數字圖像分割方法，首先對原始圖像進行抗噪預處理，然后對聚類中心初始化，并且基于像素的空間信息構造空間函數，利用該空間函數更新模糊隸屬度矩陣，進而得到聚類中心與用于實現聚類分割的目標函數值，循環迭代，進而實現圖像的分割。本專利技術的具體步驟為I)對待分割圖像進行特征提取，得到圖像的特征數據集；2)利用圖像的特征數據集X和鄰域信息，對原始圖像進行抗噪預處理；3)利用K-means算法初始化聚類中心，降低初始聚類中心的選取對圖像分割的影 響；4)計算模糊隸屬度矩陣；5)通過基于空間信息構造的空間函數來更新模糊隸屬度矩陣；6)基于更新后的模糊隸屬度矩陣計算聚類中心與用于實現聚類分割的目標函數值；7)根據聚類輸出的模糊隸屬度矩陣，得到數據點屬于某ー類的概率大小，按照最大概率原則對每個數據點就行分類標記，完成圖像分割。所述步驟I)中，對待分割圖像進行特征提取，得到圖像的特征數據集X = {xz,x2,, } x>} c PJ, Xi = {xiv. ,xis}， (3)其中，X是原始圖像的特征數據集，Xi為原始圖像的數據點，N為圖像數據點的個數，S為數據點Xi的維數，即為數據點的特征值的個數；所述步驟2)利用圖像的特征數據集和鄰域信息，對原始圖像進行抗噪預處理，分為以下幾個步驟2-1)計算原始圖像上每個像素與其鄰域像素的相似度；設Xi為圖像中的第i個數據點，Ni是Xi的鄰域數據點的集合，Xj是Ni中的第j個數據點；圖像中Xi相對于Xj的相似度Su定義為sけ=ffXS(’ ⑷其中，Sg為特征相似度函數，Si為鄰域相似度函數，其定義分別為Sg = exp (土:!;と:—:)，(5)其中，Iffc,ち:)=exp(-が^f[デ■;Xi與Xj分別為第i與第j個像素的特征值，、為Xi的鄰域Ni中像素點的個數，U為相似度下限參數，U >0, A為相似度衰減參數，入> 0;Si = exp，(6)其中，Pi和Qi為Xi的橫坐標和縱坐標&和為的橫坐標和縱坐標，L為空間控制參數，L > 0 ；2-2)根據每個像素與鄰域像素的相似度Sij的值，計算抗噪后的新圖像中Xi的抗噪后的特征值，獲得抗噪后的新圖像 T^iSv，リノ其中，t新圖像的第i個數據點特征值；所述步驟3),利用K-means算法初始化聚類中心Vi, i = {I, 2. . . , C} ；C是待分割圖像的聚類數目；所述步驟4)，計算模糊隸屬度矩陣利用如下公式計算像素&相對于聚類中心Vi的模糊隸屬度U 權利要求1.ー種具有抗噪性的快速模糊聚類數字圖像分割方法，其特征是，首先對原始圖像進行抗噪預處理，然后對聚類中心初始化，并且基于像素的空間信息構造空間函數，利用該空間函數更新模糊隸屬度矩陣，進而得到聚類中心與用于實現聚類分割的目標函數值，循環迭代，進而實現圖像的分割。2.如權利要求I所述的ー種具有抗噪性的快速模糊聚類數字圖像分割方法，其特征是，主要包含以下幾個步驟 1)對待分割圖像進行特征提取，得到圖像的特征數據集； 2)利用圖像的特征數據集和鄰域信息，對原始圖像進行抗噪預處理； 3)利用K-means算法初始化聚類中心，降低初始聚類中心的選取對圖像分割的影響； 4)計算模糊隸屬度矩陣； 5)通過基于空間信息構造的空間函數來更新模糊隸屬度矩陣； 6)基于更新后的模糊隸屬度矩陣計算聚類中心與用于實現聚類分割的目標函數值； 7)根據聚類輸出的模糊隸屬度矩陣，得到數據點屬于某ー類的概率大小，按照最大概率原則對每個數據點就行分類標記，完成圖像分割。3.如權利要求2所述的ー種具有抗噪性的快速模糊聚類數字圖像分割方法，其特征是，所述步驟2)利用圖像的特征數據集和鄰域信息，對原始圖像進行抗噪預處理，分為以下幾個步驟 2-1)計算原始圖像上每個像素與其鄰域像素的相似度； 2-2)根據每個像素與鄰域像素的相似度的值，計算抗噪后的新圖像中的抗噪后的特征值，獲得抗噪后的新圖像。4.如權利要求2所述的ー種具有抗噪性的快速模糊聚類數字圖像分割方法，其特征是，所述步驟4)，計算模糊隸屬度矩陣首先計算出數據點與聚類中心的歐式距離，然后保證模糊隸屬度滿足一定的約束，在這個約束下計算像素相對于聚類中心的模糊隸屬度，最后計算出模糊隸屬度矩陣。5.如權利要求2所述的ー種具有抗噪性的快速模糊聚類數字圖像分割方法，其特征是，所述步驟5)通過基于空間信息構造的空間函數來更新模糊隸屬度矩陣首先計算數據點與鄰域數據點之間的歐式距離，然后根據歐式距離計算出數據點的空間函數值，然后根據空間函數值計算出新的模糊隸屬度。6.如權利要求2所述的ー種具有抗噪性的快速模糊聚類數字圖像分割方法，其特征是，所述步驟7)根據聚類輸出的模糊隸屬度矩陣，得到數據點屬于某ー類的概率大小，按照最大概率原則對每個數據點就行分類標記，完成圖像分割； 其中，當連續兩次迭代的用于實現聚類分割的目標函數值差的絕對值小于終止條件或方法超出最大迭代次數限制時迭代結束。7.如權利要求2本文檔來自技高網...

【技術保護點】
一種具有抗噪性的快速模糊聚類數字圖像分割方法，其特征是，首先對原始圖像進行抗噪預處理，然后對聚類中心初始化，并且基于像素的空間信息構造空間函數，利用該空間函數更新模糊隸屬度矩陣，進而得到聚類中心與用于實現聚類分割的目標函數值，循環迭代，進而實現圖像的分割。

【技術特征摘要】

【專利技術屬性】
技術研發人員：張彩明，鄭福華，周元峰，張小峰，
申請(專利權)人：山東大學，
類型：發明
國別省市：