[发明专利]基于形态学重建与带有指导滤波的FCM聚类的图像分割方法

权利要求书

1.一种基于形态学重建与带有指导滤波的FCM聚类的图像分割方法，其特征在于，包括如下步骤：

a)输入要被分割的含有噪声的原始图片f，原始图片f的宽度为W，高度为H，原始图片f像素点个数为N，其中N＝W×H；

b)利用形态学闭操作算法对原始图片f进行重构，得到重构图片β，其中形态学闭操作算法中的重构阶数z设置为50，形态学闭操作算法中的结构元B设置为3×3正方形窗口；

c)将原始图片f中所有像素点的像素值乘以同一个影响因子ρ，计算后得到图片I，其中0.01≤ρ≤1；

d)使用带有指导滤波功能的FCM聚类算法对重构图片β进行聚类计算，在FCM聚类算法的每一步迭代过程中，使用指导滤波算法对每一步迭代中的隶属度矩阵进行滤波，使用图片I作为指导滤波算法的指导图像，指导滤波算法的滤波窗口ω设置为3×3正方形窗口，指导滤波算法的参数设置为0.01；

e)根据FCM聚类算法得到的隶属度矩阵得到原始图片f的分类结果。

2.根据权利要求1所述的基于形态学重建与带有指导滤波的FCM聚类的图像分割方法，其特征在于，步骤b)中的形态学闭操作算法包括如下步骤：

b-1)利用腐蚀算法使用结构元B对原始图片f进行腐蚀操作，得到标记图像g₁；

b-2)利用形态学膨胀算法使用结构元B对标记图像g₁进行形态学膨胀操作，得到图片T；

b-3)利用膨胀算法使用结构元B对图片T进行膨胀操作，得到标记图像g₂；

b-4)利用形态学腐蚀算法使用结构元B对标记图像g₂进行形态学腐蚀操作，得到重构的图片β。

3.根据权利要求1所述的基于形态学重建与带有指导滤波的FCM聚类的图像分割方法，其特征在于，步骤d)中的带有指导滤波功能的FCM聚类算法包括如下步骤：

d-1)对FCM聚类算法中的参数进行初始化操作，其中用户输入FCM聚类算法中的类中心数量C、将FCM聚类算法中的模糊系数m设置为2.0，将FCM聚类算法中的停止阀值ξ设置为0.000001，设置FCM聚类算法中的迭代计数器t＝0,FCM算法目标函数的初始值设为J^(o)＝-9999；

d-2)从重构图片β中随机选取一个像素点，将该像素值作为第c类的类中心v_c的初始值，其中c＝1,2,....,C，实现对FCM算法中每一类的类中心进行初始化；

d-3)使迭代计数器加1，即t+1；

d-4)通过公式计算重构图片β的第n个像素点β_n属于的第c个类的隶属度u_cn，其中n＝1,2,....,N，c＝1,2,....,C，v_j为第j个类的类中心，j＝1,2,....,C；

d-5)将u_c1,u_c2,....u_cN重新排列成一副宽度为W且高度为H的图片P，使用指导滤波算法对图片P进行滤波，得到滤波后的图片Q，使用公式u_cn＝Q_n更新隶属度，其中Q_n为图片Q的第n个像素点，n＝1,2,....,N；

d-6)使用公式更新第c类的类中心v_c的值，其中c＝1,2,....,C；

d-7)使用公式计算第t次迭代得到的目标函数J^(t)；

d-8)计算FCM算法第t次迭代得到的目标函数J^(t)与第t-1次迭代的目标函数J^(t-1)之间的差值，如||J^(t)-J^(t-1)||≥ξ，执行d-3)，如||J^(t)-J^(t-1)||＜ξ则执行e)。