[發(fā)明專利]一種利用位置信息改進(jìn)直覺(jué)模糊聚類提取紅外艦船的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911035552.5
• 申請(qǐng)日: 2019-10-29
• 公開（公告）號(hào): CN110853054B
• 公開（公告）日: 2022-08-16
• 發(fā)明（設(shè)計(jì)）人: 白相志;楊帆
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/136;G06T7/187;G06K9/62;G06V10/762;G06T5/30
• 代理公司: 北京慧泉知識(shí)產(chǎn)權(quán)代理有限公司 11232
• 代理人: 李娜;王順榮

1.一種利用位置信息改進(jìn)直覺(jué)模糊聚類提取紅外艦船的方法，其特征在于：該方法具體步驟如下：

步驟一：采用形態(tài)學(xué)運(yùn)算頂帽濾波對(duì)原始圖像預(yù)處理，降低紅外艦船圖像中灰度不均對(duì)聚類分割結(jié)果的影響；

步驟二：采用改進(jìn)的直覺(jué)模糊聚類算法對(duì)紅外圖像進(jìn)行聚類分割；具體過(guò)程為：

(1)計(jì)算圖像每一像素點(diǎn)x_k的隸屬度μ(x_k)、非隸屬度ν(x_k)和猶豫度π(x_k)；

(2)設(shè)定類別總數(shù)c、模糊因子m、最大迭代次數(shù)T和迭代終止閾值ε；

(3)隨機(jī)初始化隸屬度矩陣U；

(4)計(jì)算位置權(quán)重系數(shù)矩陣W；

(5)更新聚類中心v_i的隸屬度μ(v_i)、非隸屬度ν(v_i)、猶豫度π(v_i)和隸屬度矩陣U的每個(gè)元素u_ik；

(6)若|U^(t+1)-U^(t)|＜ε或迭代次數(shù)超過(guò)最大迭代次數(shù)T，則停止迭代；否則返回子步驟(5)；

(7)去模糊化，完成紅外艦船圖像分割；

步驟三：對(duì)步驟二所獲得聚類分割圖像進(jìn)行后續(xù)處理；

改進(jìn)的直覺(jué)模糊聚類算法，具體如下：

改進(jìn)的直覺(jué)模糊聚類算法目標(biāo)函數(shù)如下：

其中i為類別序數(shù)，c為類別總數(shù)，k為像素點(diǎn)位置坐標(biāo)，N為像素點(diǎn)總數(shù)，W_ik為位置權(quán)重系數(shù)，u_ik為第k個(gè)像素點(diǎn)相對(duì)于第i類的隸屬度，m為模糊因子，x_k為第k個(gè)像素點(diǎn)，v_i為第i類聚類中心，N_k為當(dāng)前像素點(diǎn)的鄰域，α_j為空間距離權(quán)重系數(shù)，β_j為鄰域相似系數(shù)，x_j為N_k中的像素點(diǎn)；

d^IFS(x_k,v_i)與d^IFS(x_j,v_i)為直覺(jué)模糊距離，定義如下：

d^IFS(x_k,v_i)＝(μ(x_k)-μ(v_i))²+(ν(x_k)-ν(v_i))²+(π(x_k)-π(v_i))²

d^IFS(x_j,v_i)＝(μ(x_j)-μ(v_i))²+(ν(x_j)-ν(v_i))²+(π(x_j)-π(v_i))²

其中，μ(x_k)、ν(x_k)、π(x_k)分別為直覺(jué)模糊集中像素點(diǎn)x_k的隸屬度、非隸屬度和猶豫度；μ(x_j)、ν(x_j)、π(x_j)分別為直覺(jué)模糊集中像素點(diǎn)x_j的隸屬度、非隸屬度和猶豫度；μ(v_i)、ν(v_i)、π(v_i)分別為直覺(jué)模糊集中聚類中心的隸屬度、非隸屬度和猶豫度；具體計(jì)算公式如下：

π(x_k)＝1-μ(x_k)-ν(x_k)

π(x_j)＝1-μ(x_j)-ν(x_j)

其中x_min為圖像灰度最小值，x_max為圖像灰度最大值，λ為常數(shù)；

位置權(quán)重系數(shù)W_ik的計(jì)算過(guò)程如下：

其中P_k為分割目標(biāo)的位置概率系數(shù)，類別總數(shù)c設(shè)為2，其中i＝1為背景類，i＝2為目標(biāo)類；P_k的計(jì)算過(guò)程如下：

重復(fù)：

如果P(X^(r))＜ε，則刪除X^(r)，重復(fù)上述步驟，直到?jīng)]有X^(r)被刪除為止，則

其中X^(r)為紅外艦船可能區(qū)域的坐標(biāo)，X_k為像素點(diǎn)x_k的坐標(biāo)；

空間距離權(quán)重系數(shù)α_j與鄰域相似系數(shù)β_j的計(jì)算過(guò)程如下：

其中，d_kj表示鄰域像素點(diǎn)x_j與中心像素點(diǎn)x_k的空間距離，P_j為鄰域像素點(diǎn)x_j的位置概率系數(shù)，N_j為鄰域像素點(diǎn)x_j的鄰域，x_m為N_j中的像素點(diǎn)；由此，鄰域像素點(diǎn)x_j與中心像素點(diǎn)x_k的空間距離越小，α_j越大；x_m與x_j相似度越高，P_j越大，β_j越大；α_j、β_j越大，鄰域像素對(duì)中心像素的影響越大；

利用拉格朗日乘數(shù)法，對(duì)目標(biāo)函數(shù)求導(dǎo)，推導(dǎo)出隸屬度u_ik和聚類中心v_i的隸屬度μ(v_i)、非隸屬度ν(v_i)、猶豫度π(v_i)迭代公式：

后續(xù)處理包括：

S31、剔除連通域面積小于某一閾值的區(qū)域；

S32、計(jì)算每個(gè)連通域的長(zhǎng)寬比和上下面積之比，剔除不合要求的區(qū)域；

S33、剔除與圖像邊界相連同時(shí)區(qū)域面積小于某一閾值的區(qū)域。

2.根據(jù)權(quán)利要求1所述的一種利用位置信息改進(jìn)直覺(jué)模糊聚類提取紅外艦船的方法，其特征在于：所述步驟S31中的閾值為20，艦船的長(zhǎng)寬比范圍設(shè)為0.5～6，上下面積之比范圍設(shè)為0～1；所述步驟S33中的閾值設(shè)為所有連通域面積之和的95％。