[發明專利]一種自然場景中的圖像分割方法

有效

• 申請號: 201510362441.0
• 申請日: 2015-06-25
• 公開（公告）號: CN104992436B
• 公開（公告）日: 2018-02-02
• 發明（設計）人: 周韞捷;胡嘉駿;王志剛;陸麗;文穎
• 申請（專利權）人: 國網上海市電力公司;上海電機學院;華東師范大學
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 上海科盛知識產權代理有限公司31225
• 代理人: 應小波

技術領域

本發明涉及一種圖像分割方法，尤其是涉及一種自然場景中的圖像分割方法。

背景技術

隨著互聯網技術和電子商務的迅速發展，數字圖像每日都在以驚人的速度增長，如何在大量的圖像中找到用戶所感興趣的圖像成為當前研究的熱門問題。圖像分割就是把圖像分成若干個特定的、具有獨特性質的區域并提出感興趣目標的技術和過程。它是由圖像處理到圖像分析的關鍵步驟。現有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等。模糊C均值算法(即FCM)是一種基于特定理論的分割算法，目前廣泛應用于MRI腦圖像分割，文本識別，車牌識別以及大數據的處理等各個方面。

FCM由Dunn提出并由Bezdek推廣，它是在硬分類的基礎上添加了隸屬度函數，使得每個樣本點不再屬于某一確定的類，而是以一定的比例隸屬于不同的類。這就使得傳統的FCM較硬分類來說，能夠保持更多的圖像信息。但是傳統的FCM并沒有考慮到周圍鄰域的信息，使得FCM算法對噪聲非常的敏感。FCM_S算法在FCM的基礎上考慮了周圍鄰域的信息，使得中心點的類別受周圍鄰域點類別的影響，這大大增強了算法對噪聲和奇異點的魯棒性。但是，算法在每次迭代過程中都要對周圍鄰域點進行計算，使得算法非常耗時。而且在噪聲增大的情況下，FCM_S算法并不能很好的去除噪聲，經常出現分錯類的情況。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種自然場景中的圖像分割方法。

本發明的目的可以通過以下技術方案來實現：

一種自然場景中的圖像分割方法，其特征在于，包括以下步驟：

步驟1：輸入一張待處理的圖片；

步驟2：判斷該圖片是否是灰度圖像，如果是，將進行步驟3)；否則將圖片轉化為灰度圖像后進行步驟3)；

步驟3：設定模糊指數m、迭代停止閾值ε和最大迭代次數maxIter，并初始化聚類個數c和鄰域窗口W；

步驟4：初始化聚類中心V或者隸屬度U；如果初始化的是聚類中心，則計算出第0次迭代的隸屬度U₀后進行步驟5)；如果初始化的是隸屬度，則計算出第0次迭代的聚類中心V₀后進行步驟5)；

步驟5：對于第iter次迭代，iter＝1，2，...，maxIter，求出鄰域點與聚類中心的歐式距離；并根據隸屬度U_iter-1重新計算第iter次迭代的聚類中心V_iter或者根據聚類中心V_iter-1重新計算第iter次迭代的隸屬度U_iter；

步驟6：如果步驟5所求的是第iter次迭代的聚類中心V_iter，則重新計算第iter次迭代的隸屬度U_iter并進行步驟7)；如果步驟5所求的是第iter次迭代的隸屬度U_iter，則新計算第iter次迭代的聚類中心V_iter并進行步驟7)；

步驟7：若第iter次迭代前后的隸屬度值差小于迭代停止閾值ε或者迭代次數iter超過最大迭代次數maxIter時，則完成圖像分割并輸出分割后的圖像；否則重復步驟5與步驟6進行下一次迭代計算隸屬度和聚類中心直至滿足該條件為止。

所述的步驟4)計算出第0次迭代的隸屬度U₀具體為，U₀為C×N的矩陣，每個元素計算如下：

其中u_ki圖像中第i個像素點x_i屬于第k類的程度，x_i第i個像素點，其中i∈[1,2,...,N]，N代表圖片中像素點的個數，C為要將圖片分割的個數也是聚類中心的個數，x_r代表x_i的鄰域點，v_k表示第k個聚類中心，其中k∈[1,2,...,C]，v_j表示第j個聚類中心，m是權值系數。

所述的步驟4)計算出第0次迭代的聚類中心V₀具體為，V₀為C×1的矩陣，每個元素計算如下：