[发明专利]图像分割方法、图像处理设备及系统

权利要求书

1.一种图像分割方法，其特征在于，该方法包括：

分别利用多个模糊神经网络对输入图像进行分割，获得每个模糊神经网络对输入图像的分割结果；

将所述多个模糊神经网络对输入图像的分割结果进行融合处理。

2.如权利要求1所述的方法，其特征在于，分别利用多个模糊神经网络对输入图像进行分割之前，对输入图像进行预处理，所述预处理包括平滑、滤波去噪、设置输入图像的类别数目、分割所采用的模糊神经网络数目其中之一或任意组合。

3.如权利要求1所述的方法，其特征在于，分别利用多个模糊神经网络对输入图像进行分割之前，设置每个模糊神经网络的初始参数。

4.如权利要求3所述的方法，其特征在于，若分割所采用的多个模糊神经网络为不同的模糊神经网络，则对每个模糊神经网络设置相同或不同的初始参数；

或，若分割所采用的多个模糊神经网络为同一模糊神经网络，则对每个模糊神经网络设置不同的初始参数。

5.如权利要求3所述的方法，其特征在于，所述初始参数包括学习速率或步长。

6.如权利要求1所述的方法，其特征在于，所述模糊神经网络为模糊自组织特征映射网络或模糊反向传播网络。

7.如权利要求1所述的方法，其特征在于，分别利用多个模糊神经网络对输入图像进行分割，获得每个模糊神经网络对输入图像的分割结果包括：

分别利用多个模糊神经网络对输入图像中每个像素点的颜色分量、所在位置进行处理，获得每个模糊神经网络对输入图像进行分割后输入图像中所有像素点的隶属度。

8.如权利要求7所述的方法，其特征在于，将所述多个模糊神经网络对输入图像的分割结果进行融合处理包括：

根据每个模糊神经网络对输入图像进行分割后输入图像中所有像素点的隶属度，建立输入图像中所有像素点的隶属度矩阵；

根据所述隶属度矩阵、输入图像中的像素点数目、输入图像的类别数目、分割所采用的模糊神经网络数目，获得每个模糊神经网络的平均互信息；

根据所述隶属度矩阵、平均互信息，获得所述多个模糊神经网络对输入图像的分割结果进行融合后输入图像中所有像素点的隶属度；

将所述多个模糊神经网络对输入图像的分割结果进行融合后输入图像中所有像素点的隶属度进行加权处理，获得输入图像中每个像素点的类别；

按输入图像中每个像素点的类别对输入图像进行融合处理。

9.如权利要求1所述的方法，其特征在于，将所述多个模糊神经网络对输入图像的分割结果进行融合处理之前，将多个模糊神经网络对输入图像的分割结果中类别标记的顺序进行配准。

10.如权利要求1所述的方法，其特征在于，将所述多个模糊神经网络对输入图像的分割结果进行融合处理之后，对融合结果进行后处理，所述后处理包括去除噪声点、合并局部区域。

11.一种图像处理系统，其特征在于，包括：

分割模块，用于分别利用多个模糊神经网络对输入图像进行分割，获得每个模糊神经网络对输入图像的分割结果；

融合模块，用于将所述多个模糊神经网络对输入图像的分割结果进行融合处理。

12.如权利要求11所述的系统，其特征在于，所述系统进一步包括：

预处理模块，用于在分别利用多个模糊神经网络对输入图像进行分割之前，对输入图像进行预处理，所述预处理包括平滑、滤波去噪、设置输入图像的类别数目、分割所采用的模糊神经网络数目其中之一或任意组合。

13.如权利要求11所述的系统，其特征在于，所述系统进一步包括：

初始化模块，用于在分别利用多个模糊神经网络对输入图像进行分割之前，设置每个模糊神经网络的初始参数。

14.如权利要求13所述的系统，其特征在于，所述初始化模块进一步用于在分割所采用的多个模糊神经网络为不同的模糊神经网络时，对每个模糊神经网络设置相同或不同的初始参数；在分割所采用的多个模糊神经网络为同一模糊神经网络时，对每个模糊神经网络设置不同的初始参数。