[發(fā)明專利]一種基于數(shù)據(jù)挖掘的圖像特征分割方法

有效

• 申請?zhí)枺?/td>: 202010119665.X
• 申請日: 2020-02-26
• 公開（公告）號: CN111340824B
• 公開（公告）日: 2022-07-12
• 發(fā)明（設計）人: 李凱勇
• 申請（專利權）人: 青海民族大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/187;G06T7/90;G06V10/762;G06K9/62;G06T5/00;G06T5/40
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 楊浩林

本發(fā)明公開了一種基于數(shù)據(jù)挖掘的圖像特征分割方法，該方法包括采集待分割的初始圖像，對初始圖像進行圖像去噪預處理，采用數(shù)據(jù)挖掘技術對預處理后的圖像進行顏色特征分析，采用數(shù)據(jù)挖掘技術對預處理后的圖像進行紋理特征分析，建立區(qū)域分割模型進行聚類分割，得到圖像特征分割結果。本發(fā)明采用數(shù)據(jù)挖掘技術對預處理后的圖像進行顏色特征和紋理特征圖像分割，能夠快速正確地實現(xiàn)圖像特征分割，且不需要事先認定分割類數(shù)，從而得到期望的分割結果。

技術領域

本發(fā)明屬于圖像分割技術領域，具體涉及一種基于數(shù)據(jù)挖掘的圖像特征分割方法。

背景技術

圖像分割是圖像識別和計算機視覺至關重要的預處理。沒有正確的分割就不可能有正確的識別。但是，進行分割僅有的依據(jù)是圖像中像素的亮度及顏色，由計算機自動處理分割時，將會遇到各種困難。例如，光照不均勻、噪聲的影響、圖像中存在不清晰的部分，以及陰影等，常常發(fā)生分割錯誤。因此圖像分割是需要進一步研究的技術。人們希望引入一些人為的知識導向和人工智能的方法，用于糾正某些分割中的錯誤，是很有前途的方法，但是這又增加了解決問題的復雜性。

圖像分割是圖像分析的第一步，圖像分割接下來的任務，如特征提取、目標識別等的好壞，都取決于圖像分割的質(zhì)量如何。由于該課題的難度和深度，進展比較緩慢。圖像分割技術自20世紀70年代起一直受到人們的高度重視，雖然研究人員針對各種問題提出了許多方法，但迄今為止仍然不存在一個普遍適用的理論和方法。另外，還沒有制定出選擇適用分割算法的標準，這給圖像分割技術的應用帶來了許多實際問題。最近幾年又出現(xiàn)了了許多新思路、新方法或改進算法，對一些經(jīng)典方法和新出現(xiàn)的方法作了概述，并將圖像分割方法分為閾值分割方法、邊緣檢測方法、區(qū)域提取方法和結合特定理論工具的分割方法4類。

1、閾值法是一種簡單但是非常有效的方法，只能產(chǎn)生二值圖像來分區(qū)兩個不同的類。對噪聲很敏感，沒有考慮圖像的紋理信息等有用信息，分割結果有時不能盡如人意。

2、邊緣檢測法是基于圖像不連續(xù)性的分割技術。有一些較為經(jīng)典的算法。克服了傳統(tǒng)圖像信息定義的缺陷，具有較好的抗噪聲和檢測結果。但是運算量較大。不能很好的解決耗時問題。

3、區(qū)域提取法利用圖像的局部空間信息，有效克服其它方法存在的圖像分割空間不連續(xù)的缺點，但它通常造成圖像的過度分割。

發(fā)明內(nèi)容

針對現(xiàn)有技術中存在的以上問題，本發(fā)明提供了一種基于數(shù)據(jù)挖掘的圖像特征分割方法。

為了達到上述發(fā)明目的，本發(fā)明采用的技術方案為：

一種基于數(shù)據(jù)挖掘的圖像特征分割方法，包括以下步驟：

S1、采集待分割的初始圖像；

S2、采用改進的K-means聚類算法對初始圖像進行圖像去噪預處理；

S3、采用數(shù)據(jù)挖掘技術對預處理后的圖像進行顏色特征分析，得到區(qū)域約束；

S4、采用數(shù)據(jù)挖掘技術對預處理后的圖像進行紋理特征分析，得到提取目標輪廓的基準面；

S5、建立區(qū)域分割模型進行聚類分割，得到圖像特征分割結果。

進一步地，所述步驟S2具體為：

采用K-means聚類算法對初始圖像進行濾波處理，并依次采用柔化處理、中值濾波處理和銳化處理進行圖像去噪預處理。

進一步地，所述步驟S3具體包括以下分步驟：

S31、提取圖像的局部特征

定義B(x,y)為背景圖像，F(xiàn)(x,y)為加入目標后的場景圖像，D(x,y)為差分圖像，I(x,y)為二值化圖像，將預處理后的圖像進行RGB三通道分離，對各通道分別進行背景差分，對每個像素選取各通道差值的最大值，進行閾值二值化處理，表示為