[發明專利]一種圖像分割算法

在審

• 申請號: 201610190509.6
• 申請日: 2016-03-29
• 公開（公告）號: CN106611418A
• 公開（公告）日: 2017-05-03
• 發明（設計）人: 范勇;胡成華
• 申請（專利權）人: 四川用聯信息技術有限公司
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

所屬領域

本發明涉及圖像處理、圖像識別領域。

背景技術

隨著智能技術的飛速發展，其在生活中也得到了廣泛應用，智能家居技術便是其重要產物之一。智能家居的設備多樣，其中攝像頭可展示最為立體化的場景。通過攝像頭可及時而有效地監控所關心區域的動態，一旦發現意外情況可及時處理，這對于做好重要區域的安防工作有較大幫助。圖像分割是作為圖像處理和圖像識別的重要步驟，也逐漸成為該領域研究者研究的熱點。

當前，圖像的分割有多重方法，如閾值分割、邊緣檢測、直線提取法、區域生長和區域合并、模糊C-均值算法(Fuzzy C-Means)等，這些算法根據不同的應用場景可有多種變形。

基于聚類的圖像分割算法是其中較為常見的一種。聚類分析的目標是：同一組內的對象是相似的，而不同組中的對象是不同的；同一組內的相似性越大，不同組間差別越大，則聚類效果越好，即達到高內聚低耦合的效果。聚類算法分為基于劃分的聚類分析算法、基于層次的聚類分析算法、基于密度的聚類分析算法、基于網格的聚類分析算法和基于模型的聚類分析算法。

聚類算法FCM進行圖像分割的優點是避免了設定閾值的問題，并能解決閾值化分割難以解決的多個分支的分割問題；聚類過程中不需要任何人工干預，很適合于自適應圖像分割的應用領域聚類類別數的確定，不同的值會導致結果差異較大；初始類中心和初始隸屬度矩陣的確定，會導致聚類結果局部最優。

發明內容

針對上述不足之處，本發明提出一種新的分割算法，首先基于圖像的顏色特征，根據圖像的顏色的RGB特征值，對圖像進行分割處理，并計算每一份的平均RGB值，將這些值作為初始數據集，通過目標函數進行劃分，然后定義鄰接矩陣進行運算，最后進行鄰接迭代得到最優的聚類類別，然后進行聚類還原，得到圖像的分割效果圖。

本發明的目的是：得到精確的聚類類別數和穩定的聚類結果

本發明為實現上述目的所采用的技術方案是：一種圖像分割算法，該算法的步驟如下：

步驟1：圖像特征數據采集，得到初始數據集；

步驟2：對初始數據集預處理，得到矩陣；

步驟3：進行矩陣運算得到聚類結果矩陣；

步驟4：迭代獲取最優的聚類類別和穩定的聚類結果；

步驟5：得到最優聚類類別數后，將相同類別的像素點聚成一類，利用圖像

處理的方法將圖像還原，最終得到圖像分割的效果圖。

本發明的有益效果是：將聚類分析算法有效地與圖像分割進行結合；它能有效的與經典聚類算法結合，利用經典聚類算法對初始數據進行處理，同時克服了經典聚類算法人為確定初始聚類中心和聚類類別數而導致的局部聚類最優，通過多次迭代的方式自適應地得到精確的聚類類別數和穩定的聚類結果。

具體實施方式

以下詳細描述本發明。

一、圖像特征數據采集

將待分割圖像，按照圖像像素大小均勻分成若干等分，可以分成8×8，16×16，32×32大小，一般來說分塊方案按照圖像像素來決定。分好塊以后，計算出每一等份中的像素的平均RGB值，并以該值作為該份的代表值，將這些代表值作為后續算法的初始數據集。

x_j表示第j塊圖像塊的平均RGB值，i表示第j塊圖像塊中第i個像素，R/G/B分別表示像素對應的RGB值。

二、數據集預處理

將x_j放入數據集X中，X＝{x₁，x₂，...，x_i}，將聚類目標函數表示為：

由此得到參數u_ij，

其中，參數u_ij是數據點x_i對于類別j的模糊隸屬度，每個樣本點的隸屬度之和均為1，d_ij＝c_i-x_j為第i組聚類中心與第j個數據點之間的歐幾里得距離，m是加權指數。

通過公式聚類后，X集被劃分為C類，并通過參數可以得到C×N的U矩陣：

其中，c∈[2，N]，

三、矩陣運算