[发明专利]一种基于聚类融合的图像分割的方法

权利要求书

1.一种基于聚类融合的图像分割的方法，其特征在于包括如下步骤：

第一步，读入待处理图像，并存储图像原始信息；

第二步，使用已有技术对图像进行粗分割：使用三种基于不同特征的图像分割方法，分别对原始图像进行分割，最终得到三个粗分割结果，根据粗分割结果，记录分割结果边界图像BW₁，BW₂，BW₃；

第三步，根据粗分割结果构建超像素：对边界图像BW₁，BW₂，BW₃进行或操作，得到新分割边界，根据分割边界构建超像素；

第四步，超像素性质标定：将第二步所得到的分割结果分别赋予超像素，并计算超像素之间欧式距离；

第五步，对粗分割结果进行聚类融合：结合第四步的超像素之间距离，通过聚类融合方法判断每一个超像素所属类别，提高粗分割结果精度；

第六步，图像标记及输出：根据聚类融合结果对超像素进行标定，将在聚类融合之后属于同一类别的像素归成一类，并生成最终分割结果。

2.根据权利要求1所述的基于聚类融合的图像分割的方法，其特征在于第二步中，所述图像分割方法，分别采用使用均值漂移对图像进行粗分割，使用图割对图像进行粗分割以及使用加博尔纹理分割对图像进行粗分割。

3.根据权利要求1所述的基于聚类融合的图像分割的方法，其特征在于第三步中，所述的构建超像素，只针对三种粗分割结果的边界图像使用或操作对边界图像进行处理，根据最终边界生成超像素。

4.根据权利要求1所述的一种基于聚类融合的图像分割的方法，其特征在于，所述聚类融合使用基于超像素标定及距离的相似性传播方法，具体为：基于超像素标定及距离的相似性传播方法对每一个超像素的所属类别，以及其与其它的超像素之间距离进行综合判定。

5.根据权利要求4所述的一种基于聚类融合的图像分割的方法，其特征在于，所述基于超像素标定及距离的相似性传播方法，步骤为：

(1)根据相似性度量函数计算相似性矩阵Γ，其中τ_ij为超像素S_i，S_j的相似性：

Γ=[τij]=τ(Si,Sj)=-Σk=1s||(lik-ljk)||×dijifi≠jΣi=1nΣj=1,j≠inτij/n×(n-1)ifi=j]]>

其中：k代表粗分割算法的种类，i、j为两个超像素的标号，是根据粗分割结果中像素的所在类别对每个像素进行的标记；s为粗分割方法个数；

(2)计算每个超像素的责任度r(i，j)与可用度a(i，j)，每次迭代后将r(i，j)+a(i，j)大于0的数据作为对象j的迭代中心，直到聚类中心不再移动或是迭代次数超出范围，其中i、j为两个超像素的标号，t为迭代次数；

(3)重新标定超像素所属类别，得到最终分割结果。

6.根据权利要求5所述的一种基于聚类融合的图像分割的方法，其特征在于，所述步骤(2)中：

迭代开始时，可用度a₀(i，j)＝0，然后责任度r(i，j)根据

r_t+1(i，j)＝τ(i，j)-max_{j′s.t.j′≠j}{a(i，j′)+τ(i，j′)}.

at+1(i,j)=min{0,rt+1(j,j)+Σi′s.t.i′≠{i,j}max{0,rt+1r(i′,j)}}]]>

i′，与j′表示一个中间变量；

λ为阻尼系数，起到收敛作用，取值范围为[0.5,1)；

r_t+1(i，j)＝(1-λ)·r_t+1(i，j)+λ·r_t(i，j)

a_t+1(i，j)＝(1-λ)·a_t+1(i，j)+λ·a_t(i，j)

进行计算，直到聚类中心不再移动或是迭代次数超出范围。