[發明專利]基于超像素和改進模糊C均值聚類的自動圖像分割方法

在審

• 申請號: 202210877458.X
• 申請日: 2022-07-25
• 公開（公告）號: CN115131566A
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 何亞茹;賈慧彤;李方方;鄂超;楊溯;楊杰
• 申請（專利權）人: 北京帝測科技股份有限公司
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V10/762
• 代理公司: 遼寧惟則知識產權代理事務所(普通合伙) 21273
• 代理人: 李巨智

本發明的實施例提供了基于超像素和改進模糊C均值聚類的自動圖像分割方法。所述方法包括：在目標圖像中選取任一鄰域，計算鄰域內像素點的局部灰度變化信息以及鄰域內像素點與中心像素點的空間距離信息，統計局部灰度變化信息影響權重和空間距離信息影響權重，獲得優化加權圖像；利用SLIC算法對所述優化加權圖像進行預分割，得到超像素；對超像素進行密度峰值聚類，獲得聚類簇數；采用優化后的隸屬度改進模糊C均值聚類算法，對超像素進行二次分割。以此方式，可以自動確定聚類簇數，無需人工參與，有效降低了噪聲點對圖像分割的影響，提高了圖像分割效率和圖像分割精度。

技術領域

本發明一般涉及圖像處理技術領域，并且更具體地，涉及基于超像素和改進模糊C均值聚類的自動圖像分割方法。

背景技術

聚類算法作為數據挖掘領域中非常熱門的研究課題，同時也是一項重要的數據分析技術。模糊聚類是聚類算法的一個重要分支，其中最為經典的方法是模糊C均值（FuzzyC-means，FCM）聚類算法，該算法以目標函數為基準，將模糊聚類問題看作一非線性規劃問題，對目標函數進行迭代最小化，獲得各樣本數據對聚類中心的隸屬度值，從而實現數據集的模糊劃分。模糊C均值聚類算法原理簡單，易實現，且能夠很好地刻畫樣本數據歸類的不確定性，因而適用于處理圖像等具有模糊性特征的對象。

然而，利用模糊C均值聚類算法對圖像進行分割時，存在兩個明顯缺點，分別為需要手動設置聚類簇數以及對噪聲十分敏感，雖然可以通過引入密度峰值聚類算法能夠找到簇的數量，但由于一張圖像中往往包含大量的像素點，導致分割速度緩慢，降低圖像分割效率。

發明內容

根據本發明的實施例，提供了一種基于超像素和改進模糊C均值聚類的自動圖像分割方案。本方案能夠充分考慮局部鄰域像素點對中心點的影響，并將超像素塊的思想引入密度峰值聚類算法中，能夠有效提高計算效率，自動確定聚類簇數，使用優化后的隸屬度改進模糊C均值聚類算法，最終實現圖像分割，無需人工干預。

在本發明的第一方面，提供了一種基于超像素和改進模糊C均值聚類的自動圖像分割方法。該方法包括：

在目標圖像中選取任一鄰域，計算所述鄰域內像素點的局部灰度變化信息以及鄰域內像素點與中心像素點的空間距離信息，統計所述鄰域內像素點對中心像素點的局部灰度變化信息影響權重和空間距離信息影響權重，獲得優化加權圖像；

利用SLIC算法對所述優化加權圖像進行預分割，得到超像素；

對所述超像素進行密度峰值聚類，獲得聚類簇數；

采用優化后的隸屬度改進模糊C均值聚類算法，對所述超像素進行二次分割，得到二次分割后的圖像。

進一步地，計算所述鄰域內像素點的局部灰度變化信息，統計所述鄰域內像素點對中心像素點的局部灰度變化信息影響權重，包括：

將所述鄰域內的各像素點的灰度值與該鄰域內所有像素點的平均灰度進行比較，得到局部灰度變化信息；所述局部灰度變化信息為：

其中，為局部灰度變化信息；為所述鄰域內的像素點j處的灰度值；是以像素點i為中心的局部窗口；為所述鄰域內所有像素點的平均灰度，且，其中，為局部窗口內的像素點個數；

所述鄰域內像素點對中心像素點的局部灰度變化信息影響權重為：

其中，為鄰域內像素點對中心像素點的局部灰度變化信息影響權重；為局部灰度變化信息。

進一步地，計算所述鄰域內像素點與中心像素點的空間距離信息，控制所述鄰域內像素點對中心像素點的空間距離信息影響權重，包括：

利用高斯核函數定義所述鄰域內像素點與中心像素點的空間距離信息；

利用指數函數控制所述鄰域內像素點對中心像素點的空間距離信息影響權重；所述空間距離信息影響權重為：

其中，為鄰域內像素點對中心像素點的空間距離信息影響權重；為鄰域內像素點與中心像素點的空間距離信息。