[發明專利]基于多目標模糊聚類的灰度圖像分割方法

有效

• 申請號: 201310478585.3
• 申請日: 2013-10-13
• 公開（公告）號: CN103473786B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: 尚榮華;焦李成;王佳;馬文萍;公茂果;齊麗萍;李陽陽;王爽;馬晶晶
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 陜西電子工業專利中心61205
• 代理人: 程曉霞,王品華

技術領域

本發明屬于圖像處理領域，主要涉及灰度圖像分割方法，具體是一種基于多目標模糊聚類的灰度圖像分割方法，可用于提取灰度圖像的細節信息，為圖像處理后續的目標識別、特征提取等工作提供較好的信息基礎。

背景技術

隨著各種成像技術的發展，人們對處理圖像的需求與應用日益增加。例如：網絡圖像，遙感圖像，合成孔徑雷達圖像等都已經成為重要的研究領域。圖像分割是圖像處理中的一個重要問題，它既是對所有圖像預處理效果的一個檢驗，也是后續進行圖像分析與解譯的基礎。圖像分割就是按照圖像的某些特征把圖像中具有特殊涵義的不同區域分開來，比如根據灰度圖像像素之間的不同灰度級別而進行分割，分割后使得同一區域中的像素灰度值相近，而相鄰區域間的灰度值有明顯的差別。

最近幾年，通過將原有的圖像分割方法與其他學科相交叉結合，人們提出了許多新穎有效的圖像分割方法，主要包括：閾值分割法、區域增長法、形態學分割法和進化聚類等方法。這些方法由于沒有考慮圖像具有的模糊性和不確定性，因此難以得到準確的結果。而模糊聚類的方法是將模糊集的概念應用于聚類分析中，它通過描述圖像中的每個像素屬于各個聚類中心的不確定程度來表示圖像的模糊性，因此得到了廣泛應用。尤其是模糊C-均值法FCM，它是聚類算法中最為典型的一種非監督的模糊聚類方法，并被廣泛的應用于圖像分割、數據聚類、模式識別等領域。

FCM是一種基于優化模糊目標函數的聚類方法，它的主要實現過程是將圖像中向量空間的樣本點按照某種規則度量劃分聚類成所要求取的K個子空間，評判聚類結果中每個像素的特征是根據該數據與聚類中心的隸屬程度，該隸屬度是用一個0～1區間的數值來表示，增加了類別間的模糊性，因此FCM聚類分割算法具有良好的局部收斂性，并且適合在高維特征空間中進行像素的分類。然而FCM算法在處理圖像分割時的不足之處在于：(1)FCM算法沒有充分考慮圖像的空間信息，僅僅將所有樣本作為分散的樣本點進行聚類，導致最后的分割結果在區域一致性上很差，區域內部存在雜點；(2)FCM算法對初始值和噪聲比較敏感，容易陷入局部最優，導致分割效果較差。

經過網絡查新，未發現有與本發明相同的技術方案。

發明內容

本發明的目的在于克服上述已有方法的不足，提出了一種基于多目標模糊聚類的灰度圖像分割方法，以提高灰度圖像分割中細節部分的保留，提高圖像分割的精度，為后續圖像處理提供良好的信息基礎，進而為整個的圖像信息處理過程減小誤差。

實現本發明目的的技術方案包括如下步驟：

(1)讀入一幅不含噪聲的灰度圖像I，并統計該灰度圖像I的灰度直方圖GH，GH＝{n_l,l＝0,1,...,255}，l是灰度圖像I的灰度級，n_l是灰度級l的像素點個數。

(2)根據灰度圖像I的灰度直方圖GH隨機生成聚類中心C，C＝{c_i,i＝1,...,K}，在本發明中聚類中心C也稱為抗體，c_i為第i類的聚類中心，K為灰度圖像I的分割類別數。

(3)按照步驟(2)對灰度圖像I進行操作，生成N個抗體，組成灰度圖像I的父代抗體種群V為V＝{C_j,j＝1,...,N}，其中N為灰度圖像I的種群個數，設種群迭代次數為t，t的初始取值為1，j是循環變量。

(4)根據灰度圖像I的父代抗體種群V中任意抗體C，計算灰度圖像I的模糊隸屬度矩陣U為：

U＝{u_ib,i＝1,...,K,b＝1,...,M}，

其中，M是灰度圖像I的像素點總個數，u_ib是灰度圖像I中第b個像素點x_b屬于第i類的模糊隸屬度，表示為：