[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

说明书

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，通过使用形态学重建有效去除原始图片中的噪声，提高噪声图像的分割准确率，之后使用指导滤波弥补去噪操作对图片边缘的破环，提升图像纹理边缘区域的分类效果，最终引入一个影响因子，调节指导图像，进一步提高指导滤波的效果，有效提高了噪声图像的分割效果。

技术领域

本发明涉及噪声图像分割技术领域，具体涉及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。

背景技术

图像分割是指将一幅图像分成若干互不重叠的子区域，使得每个子区域具有一定的相似性、而不同子区域有较为明显的差异。图像分割被广泛的应用到医学、交通、军事等领域，为人们进一步理解、分析图像提供有效的帮助。然而在实际应用中，要被分割的图像往往含有未知类型、未知强度的噪声，导致图像分割结果变差。因此，如在噪声类型、强度未知的情况下，有效提高噪声图像的分割效果，成为一个研究热点。

FCM聚类：

FCM聚类是一种模糊聚类算法，具有聚类准确率高、计算复杂度低等优点，被广泛使用。当用于图像分割时，FCM算法根据像素值将图片分为不同的区域。但是FCM算法对图像中含有的噪声十分敏感，聚类结果受噪声影响很大。

指导滤波：

指导滤波是一种线性滤波方法，目的是在图像的平滑区域进行去噪处理，在纹理边缘区域进行边缘保护，可用于图像处理、计算机视觉等领域。平滑区域和纹理边缘区域的判别由参数控制，在合理设置参数的前提下，指导滤波能够一定程度上去除图像中的噪声并保持图像纹理边缘不被破坏，具有滤波效果好、计算效率高等特点。然而，在实际应用中，无法事先知道图片中含有的噪声的类型及强度，难以为参数设置合适的值，导致平滑区域和纹理边缘区域的错误判别，影响最终的滤波效果。除了上述问题外，指导滤波的另一个缺点是在高噪声图像上的滤波效果很差。

形态学重建：

形态学重建方法使用标记图像、目标图像以及结构元进行形态学开操作或者形态学闭操作来获得重构图像。形态学重构可以有效去除图片中任何类型、任何比例的噪声，可作为去噪算法用于噪声图像分割流程中。然而，某些情况下，形态学重建会改变图像中的细节信息，导致图像局部范围的错误分类。

发明内容

本发明为了克服以上技术的不足，提供了一种提高噪声图像的分割准确率、提升图像纹理边缘区域的分类效果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。

本发明克服其技术问题所采用的技术方案是：

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。

进一步的，步骤b)中的形态学闭操作算法包括如下步骤：