[发明专利]基于排序K-均值算法的灰度图像分割方法

权利要求书

1.一种基于排序K-均值算法的灰度图像分割方法，包括如下步骤：

(1)读入一幅不含噪声的灰度图像G，图像大小为256×256，随机指定各个聚类中心V：

V＝(V₀，V₁，…，V_i)

其中，V_i为第i类的聚类中心，i＝0，...，n-1，n为聚类类别数；

(2)定义灰度图像G的灰度直方图HL(l)：

HL(l)＝n_l

其中，l为灰度级，l＝0，...，255，n_l为灰度图像G中第l个灰度级的像素点总数；

(3)计算图像灰度直方图中每个灰度级l到每个聚类中心V_i的欧式距离d_il：

d_il＝|l-V_i|；

(4)针对每个聚类中心V_i，利用sort(d_il)函数对距离d_il由小到大进行排序；

(5)用函数md_il存储排序后的每个灰度级到每个聚类中心V_i的距离d_il，md_il定义如下：

mdil=Σdil1<dil2HL(l1)+11∀l1dil1>dil2]]>

其中，l₁，l₂∈l，l₁≠l₂，表示灰度级l₁到聚类中心V_i的距离，表示灰度级l₂到聚类中心V_i的距离，i＝0，...，n-1，n为聚类类别数，表示灰度级l₁到聚类中心V_i的距离小于灰度级l₂到聚类中心V_i的距离，HL(l₁)表示第l₁个灰度级的灰度直方图信息；

(6)根据步骤(5)中md_il的值，将每个灰度级分配到离其距离最近的聚类中心的类别中，即选取min(md_il)，i＝0，...，n-1，将灰度级l归于V_i类，其中V_i是图像的第i类聚类中心，n为聚类类别数；

(7)更新第i类聚类中心为以下值：

Vit+1=1niΣj∈Vitvj]]>

其中，n_i是图像聚类中第i类的像素点总数，V_i是图像的第i类聚类中心，v_j是第i类中第j个像素点；

(8)判断是否达到设定的循环结束条件，如果达到循环结束条件，则聚类结束，并输出聚类结果，完成图像G的分割，否则返回步骤(3)进行下一次循环。

2.根据权利要求1所述方法，其中步骤(8)所述的循环结束条件，表示为：式中表示第t代的第i类聚类中心值，表示第t+1代的第i类聚类中心值，t表示基于排序K-均值算法的循环代数，t的取值范围为1-19。