基于改進(jìn)的fcm和均值漂移的紅外圖像分割方法
【專利摘要】本發(fā)明公開了一種基于改進(jìn)的FCM和均值漂移的紅外圖像分割方法，主要解決現(xiàn)有均值漂移分割方法在分割過程中容易陷入局部收斂，分割結(jié)果出現(xiàn)過分割的問題。其實現(xiàn)步驟是：(1)輸入原始紅外圖像；(2)利用均值漂移算法對原始紅外圖像進(jìn)行初分割；(3)根據(jù)最小最大法則確定二次分割圖像所需的聚類中心和聚類數(shù)目；(4)將初分割后的結(jié)果圖像轉(zhuǎn)換成二次分割的初始值；(5)對二次分割的初始值的像素點進(jìn)行模糊分類；(6)對不同區(qū)域之間的邊界進(jìn)行勾勒，并輸出圖像分割結(jié)果。本發(fā)明在保證了分割效率的同時提高分割準(zhǔn)確度，具有分割結(jié)果邊緣平滑、輪廓清晰的優(yōu)點，能夠有效應(yīng)用于紅外精確制導(dǎo)、目標(biāo)識別與跟蹤等軍用或民用方面。
【專利說明】基于改進(jìn)的FCM和均值漂移的紅外圖像分割方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像信息處理領(lǐng)域，涉及紅外圖像分割方法，可應(yīng)用于紅外目標(biāo)探測 和跟蹤等軍用或民用系統(tǒng)。

【背景技術(shù)】
[0002] 圖像分割，是指將一幅圖像分解成各個有意義的部分或物體，它是計算機視覺領(lǐng) 域和圖像信息處理領(lǐng)域中最底層的處理技術(shù)。圖像分割在圖像分析和模式識別方面起著重 要的作用，是圖像目標(biāo)特征提取、識別、跟蹤及分類的基礎(chǔ)。其中，紅外圖像分割在目標(biāo)對象 自動識別中起著的特殊作用。近年來，中外學(xué)者在紅外圖像分割的技術(shù)探索方面做出了很 多貢獻(xiàn)，并提出了許多方法，如邊緣檢測法、閾值分割法、區(qū)域生長法等。但這些方法對噪聲 比較敏感，分割效果也不穩(wěn)定。因此，學(xué)者們提出了均值漂移紅外圖像的分割方法。
[0003] 1975年Fukunaga等人在一篇關(guān)于概率密度梯度函數(shù)估計的文章中首次提出了均 值漂移Meanshift這個概念。1995年YizongCheng對基本的MeanShift算法在核函數(shù) 和權(quán)重函數(shù)兩個方面做了推廣，使得均值漂移算法得到了更多人的關(guān)注。后來Comaniciu 等人把MeanShift成功的運用的特征空間的分析，使得均值漂移算法在圖像平滑和圖像分 割得到了很好的應(yīng)用。均值漂移算法是一種統(tǒng)計的迭代計算方法，通過自動的搜索樣本點 周圍密度最大的區(qū)域，收斂到該樣本點附近的峰值，從而實現(xiàn)樣本聚類。
[0004] 傳統(tǒng)的均值漂移圖像分割圖像的實現(xiàn)過程為：首先，初始化一個起始搜索點，設(shè)定 全局帶寬，計算相應(yīng)的高斯函數(shù)，進(jìn)而計算起始搜索點的局部收斂值；其次，通過迭代運算 方法對局部收斂值進(jìn)行更新，直至起始搜索點收斂至其局部峰值時，將峰值賦值給起始搜 索點，并以下一個像素點作為搜索點執(zhí)行相同的運算，完成整個圖像的濾波；最后，將濾波 后圖像中的空間相鄰且灰度值距離小于帶寬的像素點合并成一類，并標(biāo)記每一個像素點的 類別，完成圖像的分割。由于傳統(tǒng)的均值漂移分割方法不需要任何先驗知識，完全靠空間 中的樣本點進(jìn)行驅(qū)動，并且收斂速度快，因此該方法被廣泛地應(yīng)用到圖像的分割領(lǐng)域中。但 是，研究人員發(fā)現(xiàn)由于均值漂移算法本身的特性，使得該算法易陷入局部收斂，從而使得用 均值漂移方法對圖像進(jìn)行分割時會產(chǎn)生過分割現(xiàn)象，造成分割結(jié)果不準(zhǔn)確。
[0005] 張小煒等人論文"Meanshift圖像分割的快速算法"（《測控技術(shù)》，文章編號： 1000-8829 (2008) 07-0023-03)。該方法的實現(xiàn)過程為，首先計算待分割圖像所有像素點的 均值漂移向量的同時標(biāo)記所經(jīng)過的像素點，并記錄像素點的投影坐標(biāo)，然后利用Fourier 級數(shù)來近似高斯變換的核函數(shù)，并通過迭代運算計算所有點的收斂值，最后合并同質(zhì)區(qū)，將 圖像區(qū)域進(jìn)行分類，從而實現(xiàn)對圖像的分割。該方法的不足之處在于，雖然對待分割圖像進(jìn) 行了空間結(jié)構(gòu)的分析，但在后續(xù)采用的Meanshift圖像分割方法中，仍需要進(jìn)行迭代計算， 使得分割陷入局部收斂，產(chǎn)生過分割現(xiàn)象，不能保證分割結(jié)果達(dá)到最優(yōu)。
[0006] 武漢大學(xué)江萬壽等人申請的專利"一種均值漂移圖像分割算法的并行化方法"（專 利申請?zhí)枺篊N201010241972. 1，公布號：CN101916432A)。該方法的實現(xiàn)過程為：首先將待分 割圖像自動或手動地劃分成幾個子區(qū)域，然后對每個子區(qū)域內(nèi)的像素進(jìn)行均值漂移濾波， 并記錄每個像素的收斂模態(tài)點坐標(biāo)位置，對每個像素點進(jìn)行遍歷查找，直至查找到的像素 點的坐標(biāo)位置和其收斂模態(tài)點的坐標(biāo)位置相等，將該收斂模態(tài)點的值賦給像素點，最后利 用區(qū)域生長與合并算法得到最終的圖像分割結(jié)果。該方法的不足之處在于，雖然對整個待 分割圖像進(jìn)行了分塊處理，增強了處理效率，但是在對每個像素進(jìn)行均值漂移濾波時，仍沒 有考慮到算法易產(chǎn)生局部收斂的缺點，在保證了算法運算效率的情況下，無法保證分割結(jié) 果的準(zhǔn)確性。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明方法的目的在于克服上述已有技術(shù)的不足，提出一種基于改進(jìn)的FCM和均 值漂移的紅外圖像分割方法，以在保證分割效率的同時提高分割的準(zhǔn)確性。
[0008] 實現(xiàn)本發(fā)明目的的技術(shù)方案是：利用均值漂移方法對待分割紅外圖像進(jìn)行初分 害h利用最小最大法則確定模糊聚類的聚類中心和聚類數(shù)目，并通過模糊C均值方法對圖 像進(jìn)行模糊聚類，最終實現(xiàn)對紅外圖像的分割，其具體步驟包括如下：
[0009] (1)輸入原始紅外圖像I，并初始化一個與原始紅外圖像I大小相同的全零矩陣 r;
[0010] ⑵利用均值漂移算法對原始紅外圖像I進(jìn)行初分割：
[0011] 2a)利用最優(yōu)帶寬準(zhǔn)則自適應(yīng)求取原始紅外圖像I的全局最優(yōu)帶寬h_，并利用所 求得的全局最優(yōu)帶寬h_計算原始紅外圖像I的高斯核函數(shù)；
[0012] 2b)將所求得的全局最優(yōu)帶寬h。#和高斯核函數(shù)代入均值漂移向量計算公式，依 次以原始紅外圖像I的每個像素點為初始搜索點，通過迭代計算均值漂移向量求取該像素 點的局部最終收斂值，并將該值賦給全零矩陣r中相應(yīng)的像素點，得到平滑矩陣L;
[0013] 2c)對平滑矩陣L中的像素點進(jìn)行遍歷，將空域中相鄰并且值域中灰度值差小于 h_的像素點合并成一類，標(biāo)記每一個像素點的類別，并分別計算總類別數(shù)m、每一類的像素 點總個數(shù)N」以及每一類的像素點的灰度值總和S」，其中j= 1，2,. ..，m;
[0014] 2d)計算合并后每個類別中的全部像素點的值域均值：

【權(quán)利要求】
1. 基于改進(jìn)的FCM和均值漂移的紅外圖像分割方法，包括如下步驟： (1) 輸入原始紅外圖像I，并初始化一個與原始紅外圖像I大小相同的全零矩陣Γ ; (2) 利用均值漂移算法對原始紅外圖像I進(jìn)行初分割： 2a)利用最優(yōu)帶寬準(zhǔn)則自適應(yīng)求取原始紅外圖像I的全局最優(yōu)帶寬h_，并利用所求得 的全局最優(yōu)帶寬Iltjpt計算原始紅外圖像I的高斯核函數(shù)； 2b)將所求得的全局最優(yōu)帶寬h_和高斯核函數(shù)代入均值漂移向量計算公式，依次以 原始紅外圖像I的每個像素點為初始搜索點，通過迭代計算均值漂移向量求取該像素點的 局部最終收斂值，并將該值賦給全零矩陣Γ中相應(yīng)的像素點，得到平滑矩陣I 1 ; 2c)對平滑矩陣I1中的像素點進(jìn)行遍歷，將空域中相鄰并且值域中灰度值差小于h_ 的像素點合并成一類，標(biāo)記每一個像素點的類別，并分別統(tǒng)計總類別數(shù)m、每一類的像素點 總個數(shù)Nj以及每一類的像素點的灰度值總和S」，其中j = 1，2,. . .，m ; 2d)計算合并后每個類別中的全部像素點的值域均值
，并用S_(j)代替 原像素點的值，得到初分割后的圖像Ims，其中Save (j) e {〇, 1，2...,255}; (3) 根據(jù)最小最大法則確定二次分割圖像時所需的聚類中心和聚類數(shù)目： 3a)計算初分割后的圖像Ims的一維灰度統(tǒng)計直方圖函數(shù)H(I)，并將該圖像Ims從像 素空間映射到其灰度直方圖特征空間，此時的樣本點為每個區(qū)域內(nèi)全部像素點的值域均值 S_(j)，取直方圖最大的像素灰度值作為第一個聚類中心CT i ; 3b)根據(jù)距離公式d=[S_(j)-C' J，求取離第一個聚類中心C' 1最遠(yuǎn)的灰度值作 為第二個聚類中心Ci2; 3c)依次計算剩余的m-2個樣本點與聚類中心C p C 2之間的距離dJ1和dj2，并利 用最小最大距離公式計算得到各樣本距離的最大值dmax ; 3d)比較各樣本距離的最大值dmax和聚類中心之間的距離倍數(shù)Θ |C' fC' 2|的大小： 若dmax> 0|C' rC'」，則由(1_確定出第三個聚類中心C' 3, Θ是實驗常數(shù)； 3e)重復(fù)執(zhí)行步驟3c)和步驟3d)，直到找不出新的聚類中心為止，將最終得到的聚類 中心個數(shù)t記為聚類數(shù)目，聚類中心記為C' i、C' 2... C' t; (4) 將初分割后的圖像Ims的!11個區(qū)域記為Cj，其中j = 1，2，...，m，分別計算區(qū)域Cj 中的全部像素點的向量均值％，將每一個區(qū)域&抽象成一個樣本點作為新的像素點，得到m 個新的像素點，將這m個新的像素點組成的圖像作為二次分割的初始值Γ ms ; (5) 對二次分割的初始值Γ ms的像素點進(jìn)行模糊分類，得到分類后圖像I2 ; (6) 將分類后圖像I2內(nèi)屬于同一類別的像素點進(jìn)行合并，并用彩色線條對不同區(qū)域之 間的邊界進(jìn)行勾勒，輸出最終的分割圖像結(jié)果。
2. 根據(jù)權(quán)利要求1所述的基于改進(jìn)的FCM和均值漂移的紅外圖像分割方法，其特征在 于，步驟2a)所述的原始紅外圖像I的全局最優(yōu)帶寬h_，根據(jù)下式計算得到：
其中，6表示原始紅外圖像I的標(biāo)準(zhǔn)差的估計值，η表示原始紅外圖像I的像素點個數(shù)。
3. 根據(jù)權(quán)利要求1所述的基于改進(jìn)的FCM和均值漂移的紅外圖像分割方法，其特征在 于，步驟3c)所述的各樣本距離的最大值dmax，根據(jù)下式計算得到： dmax = max {min (dJ1； dJ2)}, 其中，C^1和屯分別代表各樣本點與聚類中心CT p CT 2之間的距離。
4. 根據(jù)權(quán)利要求1所述的基于改進(jìn)的FCM和均值漂移的紅外圖像分割方法，其特征在 于，步驟（4)所述的區(qū)域Ci中的全部像素點的向量均值M j，根據(jù)下式計算得到：
其中，Cj表示第j個區(qū)域，j = 1，2, ...，m，Nj表示第j個區(qū)域Cj中的像素點個數(shù)，Xi 表示區(qū)域Cj中第i個像素點的向量，i e {1，2,...，η}。
5. 根據(jù)權(quán)利要求1所述的基于改進(jìn)的FCM和均值漂移的紅外圖像分割方法，其特征在 于，步驟（5)所述的對二次分割的初始值Γ ms的像素點進(jìn)行模糊分類，按如下步驟進(jìn)行： (5a)分別計算二次分割的初始值I' ms中每個像素點與聚類中心C' i、C' 2... C' t 之間的歐氏距離； (5b)根據(jù)求得的歐氏距離計算每個像素點的隸屬度； (5c)利用所得的像素點的隸屬度對二次分割的初始值I' ms中的像素點進(jìn)行分類，得 到分類后圖像I2。
【文檔編號】G06T7/00GK104392459SQ201410777762
【公開日】2015年3月4日 申請日期:2014年12月15日 優(yōu)先權(quán)日:2014年12月15日
【發(fā)明者】劉靳, 王海鷹, 姬紅兵, 李林, 劉艷麗, 葛倩倩, 孫寬宏 申請人:西安電子科技大學(xué)