[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

说明书

本发明公开了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，包括对图像进行边缘提取，利用提取的边缘信息来选择合适大小的窗口及其邻域，窗口邻域选择策略被引入到局部相似度及新图ξ的计算过程中，并采用粒子群算法获得合适的聚类中心，改进了传统模糊C均值聚类方法，使得图像分割细节得到更好的保护。

技术邻域

本发明涉及图像分割邻域，具体涉及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。

背景技术

图像的细节保护一直以来都是图像分割的重点和难点之一，传统的快速模糊C均值聚类图像分割方法(FGFCM)保留边缘效果并不是很好，没有考虑到窗口邻域选择与边缘信息的关系，只选择固定大小的窗口及其目标像素对应的邻域点。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供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。

本发明主要利用对图像进行边缘提取，提取的边缘信息来选择合适大小的窗口及其邻域，窗口邻域选择策略被引入到局部相似度及新图ξ的计算过程中，并采用粒子群算法(PSO)获得合适的聚类中心，改进了传统模糊C均值聚类方法，使得图像分割细节得到更好的保护。

本发明采用如下技术方案：

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，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：

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，该窗口邻域是基于S2.1所述的窗口邻域选择策略获得的，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。

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。

所述λ_s和λ_g都设置为2。

采用粒子群算法获取初始聚类中心参数。

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