一種自適應(yīng)的核聚類圖像分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種自適應(yīng)的核聚類圖像分割方法，屬于圖像處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 圖像分割是依據(jù)圖像區(qū)域間的特征差異將圖像中的感興趣的目標(biāo)區(qū)域提取出來， 以便后續(xù)任務(wù)的開展，是圖像處理的重要基礎(chǔ)。在實(shí)際應(yīng)用中，由于獲取圖像的設(shè)備、環(huán)境、 系統(tǒng)等因素，圖像不可避免的具有模糊性和不確定性，而模糊理論非常適合用來描述圖像 的這種特性。聚類是依照一定的要求或者規(guī)律把一個沒有具體類別的對象的集合劃分為若 干個小的子集合，并要求各子集合之間具有盡可能大的差異。將模糊理論和聚類理論的結(jié) 合引入圖像分割過程，即是把圖像的具有相同特征或者相似性在一定范圍內(nèi)的區(qū)域?qū)?yīng)到 聚類處理的其中一個類，已經(jīng)成為圖像處理領(lǐng)域的研宄熱點(diǎn)。
[0003] 胡斌等人（模糊聚類與粒子群算法在圖像分割中的應(yīng)用研宄[D].太原理工大 學(xué)，2011)將模糊理論和聚類理論結(jié)合引入圖像分割過程，使用了二維閾值分割算法，對圖 像進(jìn)行粗分割，并求得初始聚類中心，避免了直接使用模糊C均值算法的初始類中心難以 確定的問題。但該方法只適用于兩個分支的灰度圖像分割。以直方圖中相鄰的谷之間的均 值作為初始類中心進(jìn)行模糊聚類，也是一種較好的解決辦法。但該方法對直方圖要求很高， 適用范圍很小。
[0004] 在利用模糊聚類算法進(jìn)行聚類前，首先需要確定圖像聚類的數(shù)目，這是算法開始 的前提。模糊C均值算法中確定適合的聚類數(shù)目屬于聚類的有效性問題，能否選擇恰當(dāng)?shù)?聚類數(shù)目直接影響到圖像分割的結(jié)果。在需要對圖像進(jìn)行無人工干預(yù)的分割的系統(tǒng)中，也 需要一種能夠無監(jiān)督確定聚類數(shù)目的方法。利用待分割圖像的灰度直方圖中的波峰和波谷 來確定待分割圖像的聚類數(shù)目，可以保證每個類中的像素具有相似的灰度值，但是當(dāng)波峰 和波谷之間的界限模糊時，這種方法得到聚類數(shù)目會不準(zhǔn)確，從而導(dǎo)致錯誤的分割結(jié)果。

【發(fā)明內(nèi)容】

[0005] 目的：為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種自適應(yīng)的核聚類圖像分 割方法。
[0006] 技術(shù)方案：為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：
[0007] -種自適應(yīng)的核聚類圖像分割方法，包括如下步驟：
[0008] 步驟一：利用圖像樣本灰度值對聚類粒子群進(jìn)行初始化；將圖像各像素的灰度 值Xk映射到區(qū)間[0，1]上作為迭代的初值yk，〇,利用迭代公式y(tǒng)k，&+1)=yytha-yk，h) 得到序列yk=[yk，ci，ytl，yk，2,….yts];從而得到粒子群最優(yōu)位置的初始值為 gk，h - xmin. + (Xma:x - xmin)yk，h;
[0009] 步驟二：利用圖像的灰度級以及初始化的粒子群進(jìn)行聚類；
[0010] 2a、計(jì)算隸屬矩陣
[0011]
[0012] 計(jì)算聚類中心
[0013]
【主權(quán)項(xiàng)】
1. 一種自適應(yīng)的核聚類圖像分割方法，其特征在于：包括如下步驟： 步驟一：利用圖像樣本灰度值對聚類粒子群進(jìn)行初始化；將圖像各像素的灰度值Xk映射到區(qū)間[〇，1]上作為迭代的初值y^，利用迭代公式y(tǒng)k，（h+1) =yyk,h(l-yk, h)得到序列yk= [y^，yw，yk,2，….化,];從而得到粒子群最優(yōu)位置的初始值為
步驟二：利用圖像的灰度級以及初始化的粒子群進(jìn)行聚類； 2a、計(jì)算隸屬矩陣
計(jì)算聚類中心
H(l)表示具有灰度為1的像素?cái)?shù)目； 2b、計(jì)算目標(biāo)函數(shù)
計(jì)算適應(yīng)度
2c、若求得適應(yīng)度的值比粒子當(dāng)前的個體最優(yōu)位置的適應(yīng)度要好，則更新粒子個體最 優(yōu)位置Pi為：
其中Pi°=x1;更新整個粒子群組的最優(yōu)位置：
2d、更新粒子位置為：
更新粒子的速度為：
其中巧和^^是兩個在[0，1]范圍內(nèi)的隨機(jī)數(shù)； 步驟三：利用聚類有效性函數(shù)評價聚類效果，確定聚類數(shù)目； 聚類有效性函數(shù)為：
其中Cd(c)為信息粒耦合度、Sd(c)為信息分離度函數(shù)；最優(yōu)分割聚類數(shù)目取C(l滿足 公式：
【專利摘要】本發(fā)明公開了一種自適應(yīng)的核聚類圖像分割方法，將粒子群、模糊聚類及粒度有效性函數(shù)相結(jié)合，給出無監(jiān)督的灰度圖像分割方法。根據(jù)圖像各區(qū)域之間的特征差異特征，利用聚類將圖像中具有相同特征或者相似性在一定范圍內(nèi)的區(qū)域?qū)?yīng)到聚類處理的其中一個類中，完成圖像分割過程。本發(fā)明利用混沌粒子最為聚類的初始中心，降低分割結(jié)果對初始聚類中心的選擇的敏感性，減少算法陷入局部收斂的可能性。在模糊聚類過程中，利用圖像的灰度級代替圖像像素點(diǎn)的灰度值作為聚類的樣本集，加快了圖像分割的速度；在聚類的過程中，動態(tài)地計(jì)算聚類的有效性函數(shù)，選擇最佳的聚類數(shù)目，避免了人工指定聚類數(shù)目的主觀性。
【IPC分類】G06T7-00
【公開號】CN104574368
【申請?zhí)枴緾N201410803218
【發(fā)明人】胡居榮, 韓亞紅, 陳龍
【申請人】河海大學(xué)
【公開日】2015年4月29日
【申請日】2014年12月22日