[發(fā)明專利]基于分層模糊c均值的圖像分割方法

有效

• 申請?zhí)枺?/td>: 201410127317.1
• 申請日: 2014-03-31
• 公開（公告）號: CN103971363B
• 公開（公告）日: 2017-09-05
• 發(fā)明（設(shè)計(jì)）人: 張輝;陳北京;鄭鈺輝
• 申請（專利權(quán)）人: 南京信息工程大學(xué)
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 南京眾聯(lián)專利代理有限公司32206
• 代理人: 顧進(jìn)

1.一種基于分層模糊c均值的圖像分割方法，其特征在于：包括以下步驟：

(1)、令y_i表示圖像中第i個(gè)點(diǎn)的像素值，其中i＝1,2,…,N,N為圖像的像素總個(gè)數(shù)，將圖像數(shù)據(jù)分到J個(gè)類中，j＝1,2,…,J表示像素點(diǎn)i所對應(yīng)的類，在每個(gè)類j中，數(shù)據(jù)再被分到k個(gè)子類中，k＝1,2,…,K表示像素點(diǎn)i所對應(yīng)的子類，確定第一層的類數(shù)J，第二層的類數(shù)K，初始化隸屬度子隸屬度和初始化聚類中心μ_jk；

(2)、設(shè)置循環(huán)計(jì)數(shù)l＝0；

(3)、通過公式計(jì)算新的聚類中心

(4)、通過公式計(jì)算更新隸屬度

(5)、通過公式計(jì)算更新子隸屬度

(6)、如果目標(biāo)函數(shù)收斂，則結(jié)束迭代估值，否則l＝l+1，重復(fù)步驟(3)-(5)；所述目標(biāo)函數(shù)的推導(dǎo)過程包括如下步驟：

(1)、令y_i表示圖像中第i個(gè)點(diǎn)的像素值，其中i＝1,2,…,N,N為圖像的像素總個(gè)數(shù)，j＝1,2,…,J表示像素點(diǎn)i所對應(yīng)的類，模糊c均值的目標(biāo)函數(shù)表示為：其中，u_ij為隸屬度，表示像素y_i屬于第j類的可能性程度，m為權(quán)重指數(shù)，d_ij是點(diǎn)y_i到聚類中心μ_j的距離測度，稱為距離函數(shù)；

(2)、定義距離函數(shù)為一“子”模糊模型，基于標(biāo)準(zhǔn)FCM中的笛卡爾距離將“子”模糊模型表示為：其中是子距離函數(shù)，v_ijk是子隸屬度；

(3)、將步驟(2)中的公式帶入步驟(1)中的公式里，得到HFCM目標(biāo)函數(shù)：

(4)、將步驟(3)中的HFCM目標(biāo)函數(shù)結(jié)合均值模板得到分層模糊c均值的目標(biāo)函數(shù)為：其中權(quán)重因子為高斯函數(shù)，δ＝(窗口大小-1)/4。

2.根據(jù)權(quán)利要求1所述的基于分層模糊c均值的圖像分割方法，其特征在于：所述的公式是通過對目標(biāo)函數(shù)求偏導(dǎo)得到。

3.根據(jù)權(quán)利要求1所述的基于分層模糊c均值的圖像分割方法，其特征在于：所述的初始化隸屬度子隸屬度和初始化聚類中心μ_jk通過k-means算法進(jìn)行預(yù)處理得到。