[发明专利]基于空间密度约束核模糊聚类的灰度图像快速分割方法

说明书

本发明公开一种基于空间密度约束核模糊聚类的灰度图像快速分割方法。主要解决现有方法对含有噪声点和离群点的不均匀灰度图像不能快速准确分割的问题。其实现方案是：1)输入灰度图像，对灰度图像进行迭代加权滤波生成滤波图像；2)设置图像分割类别数和图像聚类迭代终止条件；3)随机初始化模糊聚类中心；4)统计加权图像各灰度级的像素数量；5)使用核模糊聚类算法对加权图像像素进行聚类得到灰度级隶属度矩阵；6)对灰度级隶属度矩阵去模糊化；7)为图像中的像素点加上类标，输出分割图像。本发明提高了分割速度和精度，并能在抑制图像噪声和离群值的同时，保护图像边缘细节，可用于图像目标识别和医学图像辅助分析。

技术领域

本发明属于图像处理技术领域，具体是一种灰度图像分割方法，可用于图像目标识别和医学图像辅助分析。

背景技术

近年来，计算机视觉技术的研究和应用的得到越来越多的关注。图像分割是计算机视觉领域中比较关键的一项技术，它被广泛应用于机器视觉、模式识别和医学图像等方面。图像分割就是根据图像的灰度、颜色、纹理等特征，使用特定的算法把图像分为若干个连续的不重叠的均匀区域，每个区域代表图像中的一个类别或者目标。真实灰度图像中的每个目标区域内像素灰度值是不均匀的，经常会带有噪声和离群值。数字图像中，噪声主要来源于图像的获取或传输过程。成像设备质量、光照水平和传感器温度是影响图像中噪声数量的重要因素。噪声对图像分割、特征提取和模式识别等计算机视觉技术会产生直接的影响，图像分割算法对噪声的抑制性能直接影响图像分割的精度。判断图像分割算法性能的两个重要指标是去除噪声的能力和边缘轮廓等细节保护的能力。

图像分割的研究多年来一直受到图像处理界的高度重视，不断有新的图像分割方法被提出，传统的图像分割方法也在不断被改进提升。图像分割算法主要分为基于阈值的分割方法、基于边界的分割方法、基于区域的分割方法、基于图论的分割方法和基于聚类的分割方法。其中，基于聚类的分割方法由于计算复杂度低，分割效果好，得到越来越多的研究和关注。

传统的基于模糊聚类的图像分割算法使用欧氏距离来计算像素点和聚类中心点的相似度，但欧式距离对非球形数据集划分效果不理想，而且每次迭代都需要计算图像中所有像素点，计算量较大，且对图像噪声非常敏感，对噪声污染的图像分割效果很差。

发明内容

本发明的目的在于针对已有图像分割方法的不足，提出一种基于空间密度约束核模糊聚类的灰度图像快速分割方法，以很好地抑制噪声和保护边界细节，提高分割速度和分割精度。

本发明的技术方案是：使用迭代卷积窗口生成迭代加权滤波图像，使用核模糊聚类算法对迭代加权滤波图像进行分割。其实现主要步骤包括如下：

(1)输入灰度图像，并对灰度图像进行迭代加权滤波生成滤波图像；

(2)统计滤波图像中各个灰度级对应的像素点数目；

(3)用核模糊聚类法对滤波图像像素进行聚类，得到灰度级隶属度矩阵；

(4)对滤波图像的灰度级隶属度矩阵去模糊化，为灰度级加上类标签；

(5)为像素加上类标签，输出分割图像。

本发明与现有技术相比具有以下优点：

1.本发明通过迭代加权滤波合成加权图像，增强了对噪声的抑制能力和图像细节的保护能力。

2.本发明用高斯核函数替换欧氏距离，并在聚类迭代过程中用像素的灰度级代替像素点的灰度值，不仅增强了对噪声点和离群值的鲁棒性，而且大大降低了计算量，提高了分割速度。

附图说明

图1是本发明的实现流程图；

图2是用本发明对人工合成图像的分割结果图；

图3是用本发明对真实灰度图像Cameraman的分割结果图；