[發(fā)明專利]一種基于改進(jìn)模糊c均值聚類算法的彩色圖像分割方法

在審

• 申請?zhí)枺?/td>: 202111127583.0
• 申請日: 2021-09-18
• 公開（公告）號: CN113838066A
• 公開（公告）日: 2021-12-24
• 發(fā)明（設(shè)計(jì)）人: 陸綺榮;梁雅雯
• 申請（專利權(quán)）人: 桂林理工大學(xué)
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/90;G06T5/00;G06T5/30;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

大量改進(jìn)的模糊C均值聚類算法已廣泛用于灰度和彩色圖像分割。然而，大多數(shù)分割是耗時(shí)的，且無法為彩色圖像提供所需的分割結(jié)果。一個(gè)是由于群集中心與本地相鄰窗口內(nèi)的像素之間的重復(fù)距離計(jì)算，局部空間信息的結(jié)合常常導(dǎo)致高計(jì)算復(fù)雜性。另一個(gè)是常規(guī)鄰近窗口通常會(huì)破壞圖像的真實(shí)局部空間結(jié)構(gòu)，從而導(dǎo)致分割不良。我們定義多尺度形態(tài)梯度重建操作以獲得具有精確輪廓的超像素圖像。與傳統(tǒng)的固定尺寸和形狀相比，超像素圖像提供更好的自適應(yīng)和不規(guī)則的局部空間鄰域，該鄰域有助于改善彩色圖像分割。其次，基于所獲得的超像素圖像，原始彩色圖像是簡化的，該算法提供了更好的分割結(jié)果，并且比彩色圖像分割的最先進(jìn)的聚類算法需要更少的時(shí)間。

技術(shù)領(lǐng)域

本發(fā)明是基于傳統(tǒng)模糊c均值聚類算法，提供一種對彩色圖像改進(jìn)的分割方法。

背景技術(shù)

聚類分析作為數(shù)據(jù)挖掘領(lǐng)域中非常熱門的研究課題,也是一種重要的數(shù)據(jù)分析技術(shù)。聚類是將物理或抽象的集合分成相似對象類的過程，使同一個(gè)簇中對象間具有較高的相似度，而不同簇中對象間差別較大。傳統(tǒng)的聚類算法可以分為基于劃分、基于層次、基于密度、基于網(wǎng)格、基于模型等幾個(gè)類別。模糊c均值聚類算法fuzzy c-means algorithm(FCMA)或稱(FCM)，在眾多模糊聚類算法中，F(xiàn)CM算法應(yīng)用最廣泛且較成功，它通過優(yōu)化目標(biāo)函數(shù)得到每個(gè)樣本點(diǎn)對所有類中心的隸屬度，從而決定樣本點(diǎn)的類屬以達(dá)到自動(dòng)對樣本數(shù)據(jù)進(jìn)行分類的目的。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題：解決傳統(tǒng)圖像分割算法邊界不精確，同時(shí)減少彩色圖像中不同像素的數(shù)量；提出簡單的顏色直方圖計(jì)算，以用于彩色圖像快速分割FCM算法。

1.一種基于改進(jìn)模糊c均值聚類的彩色圖像分割方法，其特征在于：

(1)FCM算法屬于劃分式聚類算法，用模糊的方法來處理聚類問題，他從一個(gè)初始劃分開始，需要預(yù)先指定聚類數(shù)目，還需要定義一個(gè)最優(yōu)化聚類標(biāo)準(zhǔn)，也就是目標(biāo)函數(shù)，作為度量各類樣本分布的代價(jià)函數(shù)。FCM把N個(gè)數(shù)據(jù)向量分為C個(gè)模糊類，用每個(gè)類的聚類中心代表該類。通過反復(fù)的迭代運(yùn)算，逐步降低目標(biāo)函數(shù)的誤差值，當(dāng)目標(biāo)函數(shù)收斂時(shí)，可得到最終的聚類結(jié)果。

基于傳統(tǒng)的FCM算法，提出了一種基于超像素(Superpixel)的快速FCM(SFFCM)，用于彩色圖像分割。該算法能夠以非常低的計(jì)算成本實(shí)現(xiàn)彩色圖像分割，并且實(shí)現(xiàn)了高分性精度。

該改進(jìn)SFFCM算法兩項(xiàng)貢獻(xiàn)如下呈現(xiàn)。

1)介紹了多尺度形態(tài)梯度重建(MMGR)操作以產(chǎn)生具有精確邊界的超像素圖像，這有助于集成自適應(yīng)相鄰信息并減少彩色圖像中的不同像素的數(shù)量。

2)基于MMGR獲得的超像素圖像，提出了一種簡單的顏色直方圖計(jì)算方法，可用于實(shí)現(xiàn)用于彩色圖像分割的快速FCM算法。

(2)模糊聚類，是使用模糊理論對數(shù)據(jù)建模和分析的方法，對樣本類屬的不確定性描述，能客觀反映現(xiàn)實(shí)世界，現(xiàn)已作為無監(jiān)督機(jī)器學(xué)習(xí)的主要技術(shù)之一。

所謂模糊就是分類具有不確定性，這里用隸屬度u_ij來表示這個(gè)不確定度。u_ij表示樣本i對第j類的隸屬度。我們定義一個(gè)目標(biāo)函數(shù)：

其中每個(gè)數(shù)據(jù)x_i對應(yīng)的所有類別的隸屬度之和要為1，即：

m是一個(gè)隸屬度的因子；i,j是類標(biāo)號；u_ij表示樣本x_i屬于j類的隸屬度。x_i表示第i個(gè)樣本，是具有d維特征的一個(gè)樣本。c_j表示簇中心，也具有d維度。聚類的過程就是最小化目標(biāo)函數(shù)的過程。這里首先采用拉格朗日乘數(shù)法將約束條件拿到目標(biāo)函數(shù)中去，前面加上系數(shù)，并把后式的所有j展開，那么目標(biāo)函數(shù)式變成下列所示：