[发明专利]一种带邻域选择策略的快速模糊C均值聚类图像分割方法

权利要求书

1.一种带邻域选择策略的快速模糊C均值聚类图像分割方法，其特征在于，包括如下步骤：

S1输入待分割图片，提取图像边缘；

S2基于图像边缘的邻域选择策略生成新图ξ；

S3根据生成的新图，获取初始聚类中心；

S4快速模糊C均值聚类获得最佳聚类划分；

所述S2基于图像边缘的邻域选择策略生成新图ξ，具体为：

S2.1基于图像边缘进行窗口邻域选择；

S2.2结合空间和灰度级信息获得局部相似度量，计算公式如下：

i像素是局部窗口的中心，k像素表示i像素的窗口邻域中的像素，该窗口邻域是基于S2.1所述的窗口邻域选择策略获得的，p_i，q_i是像素i的坐标，x_i是窗口邻域的灰度值，λ_s和λ_g是两个比例因子；

σ_i定义为：

其中，N_R为i像素窗口内邻域像素总个数；

S2.3计算生成新图ξ

ξ计算如下式所示

其中，ξ_i表示图ξ的第i个像素的灰度值，x_k表示原图中x_i邻域像素的灰度值，N_i是x_i的邻域集，S_ik是第i个像素和第k个像素之间的局部相似度量。

2.根据权利要求1所述的快速模糊C均值聚类图像分割方法，其特征在于，S2.1基于图像边缘进行窗口邻域选择，具体为：

设定初始窗口大小为5*5，若无边缘落于该窗口内，则选择该窗口作为局部窗口，窗口内的像素点为目标像素邻域；

若该窗口内存在边缘，则将窗口扩大为7*7，选择与目标像素边缘同侧的像素点作为邻域。

3.根据权利要求1所述的快速模糊C均值聚类图像分割方法，其特征在于，所述λ_s和λ_g都设置为2。

4.根据权利要求1所述的快速模糊C均值聚类图像分割方法，其特征在于，采用粒子群算法获取初始聚类中心参数。

5.根据权利要求1所述的快速模糊C均值聚类图像分割方法，其特征在于，所述S4快速模糊C均值聚类获得最佳聚类划分，具体使J值达到最小获得最佳聚类划分

其中，c_j是第j类中心，u_ij是灰度值为i的像素点属于第j类的隶属度，M是图ξ的灰度级数，γ_i是与i同灰度值的像素点数，m为模糊指数因子，ξ_i表示图ξ的第i个像素的灰度值；

u_ij与c_j间迭代关系如下式所示：

6.根据权利要求5所述的快速模糊C均值聚类图像分割方法，其特征在于，具体过程为：

S4.1初始化，设置模糊指数因子m、初始迭代计数b2，最高迭代次数t2，迭代阈值ε参数，设置聚类隶属度矩阵初始值U⁽⁰⁾＝U^best、初始聚类中心

S4.2利用c_j更新类中心c_j，利用u_ij更新隶属度矩阵U(b+1)；

S4.3若max{U(b)-U(b+1)}ε或b2＞t2，则迭代停止，否则，b＝b+1，继续步骤S4.2。

7.根据权利要求6所述的快速模糊C均值聚类图像分割方法，其特征在于，模糊指数因子m设为2，迭代计数初始化b2＝0，设置最高迭代次数t2为100次，迭代终止阈值ε设为1e-5。