[发明专利]基于网格化局部分水岭的模糊聚类方法

权利要求书

1.基于网格化局部分水岭的模糊聚类方法，其特征是：根据区域灰度值方差将图像进行不均匀网格化，对每个网格使用局部最优阈值的分水岭算法，获得各个网格内的显著性聚水盆；对聚水盆进行区域融合，将每个区域的灰度均值化，最后使用考虑区域面积的FCM进行聚类，得到最终的分割图像；计算分割精确率，记录实验时间对方法进行性能评判。

2.根据权利要求1所述的将图像进行不均匀网格化，关于不均匀网格化的相关描述如下：

设定一个阈值，计算图像像素点灰度值方差，若灰度值方差大于该阈值，则选取图像长宽的一半将图像四分，再次计算每个区域的灰度值方差，若大于设定的阈值，则重复以上操作，直到完成整幅图像的网格化，并对每个网格区域进行标号，对每个网格使用局部最优阈值的分水岭算法。

3.根据权利要求2所述的对每个网格使用局部最优阈值的分水岭算法，关于局部最优阈值的分水岭算法的相关描述如下：

对每个网格区域使用分水岭算法，通过寻优过程得到最优的局部分水岭梯度幅值,提取最有价值区域.通过此方法，将所有网格区域都使用最优局部分水岭阈值进行分水岭算法，即完成整个图像的分块。将图像网格化边界加入图像中，利用每个网格中分水岭算法得到的聚水盆标号，重新对区域进行标号，再对图像进行区域融合。

4.根据权利要求3所述，将图像进行区域融合,首先将图像每个区域灰度均值化，设定一个阈值，计算每个区域与相邻区域的灰度值方差，并将面积过小的区域融入到相邻最大的区域内，再对图像每个区域进行灰度值均值化，最后对图像使用考虑面积FCM(Fuzzy c-means)算法进行聚类，完成图像分割。

5.根据权利要求4所述的对图像使用考虑面积FCM(Fuzzy c-means)算法进行聚类，考虑面积的FCM算法的相关描述如下所述：

对原始FCM算法进行改进，将区域内像素点数量的平方引入算法，并且将区域灰度均值作为聚类数据，改进后的目标函数为：

J(U,V)=Σi=1cΣj=1sQj2uijmdij2]]>

u_ij为第j个区域对第i个聚类中心隶属度，d_ij为距离。

通过迭代获得隶属度与聚类中心更新公式：

uij=[Σk=1c(dijdkj)2m-1]-1]]>

vi=Σj=1sQj2uijmxjΣj=1sQj2uijm]]>

根据隶属度矩阵以及聚类中心完成对图像的分割，记录时间以及计算图像分割精确率。

本发明选用分割精确率SA(segmentation accuracy)定义如下:

通过该指标与算法时间可以评价本发明的性能。