[发明专利]基于核化模糊Fisher准则聚类的彩色图像分割方法

说明书

技术领域

本发明属于图像处理技术领域，特别涉及一种彩色图像分割方法，可应用于彩色遥感图像、医学图像和纹理图像的分割。

背景技术

图像分割是图像分析与模式识别的基础，是图像处理领域中的一个重要问题，在图像分类、图像检索、图像理解等很多问题中起着关键作用。由于彩色图像提供了比灰度图像更加丰富的信息，因此近年来，人们越来越重视对彩色图像分割方法的研究。彩色图像分割问题可以看作是基于颜色和空间特征的分类问题，分为有监督和无监督分类两种。常见的有监督算法包括最大似然、决策树、k-最近邻等。对于彩色图像，颜色空间本身就是一种特征空间，颜色空间聚类方法用于图像分割具有直观易于实现的特点，加之，无监督聚类方法不需要训练样本，因此逐步成为彩色图像分割的研究热点，最常用的无监督模糊聚类方法是模糊C均值(以下简称FCM)。

FCM聚类方法的聚类目标函数是类内散布矩阵的迹，对该目标函数的优化着重于强调类内相似性，该方法适合于对球形分布的数据进行聚类。2008年，曹苏群等给出了模糊Fisher准则的定义(曹苏群，王士同，陈晓峰等.基于模糊Fisher准则的半监督聚类算法[J].电子与信息学报，2008，30(9)：2162-2165.)，并以此为目标函数定义了一种新的聚类方法FFC-SFCA(Fuzzy Fisher Criterion based on Semi-FuzzyClustering Algorithm)，通过Garbor工具箱提取图像纹理特征后，将该方法应用于图像纹理分割，取得了良好的效果(CAO Su-qun，WANG Shi-tong，BO Yun-feng，CHENXiao-feng.A Novel Semi-Fuzzy Clustering Algorithm with Application in Image TextureSegmentation.International Symposium on Distributed Computing and Applications forBusiness，Engineering and Sciences，Dalian，Liaoning，China，July 2008，Vol.1，pp.214-218)。在此基础上，支晓斌等对该方法进行了进一步研究(支晓斌，范九伦.基于模糊Fisher准则的自适应降维模糊聚类算法[J].电子与信息学报，2009，31(11)：2653-2658.)。

FFC-SFCA基本思想如下：在样本空间，定义各类样本均值向量记为m_i，模糊类内散布矩阵记为S_fw：

Sfw=Σi=1cΣj=1Nuijm(xj-mi)(xj-mi)T---(1)]]>

模糊类间散布矩阵记为S_fb：