[发明专利]一种基于黎曼流形空间的图像分割处理方法及系统

说明书

本发明公开了一种基于黎曼流形空间的灰度图像分割处理方法及系统，包括获取模块、高斯分布概率密度函数模块、黎曼流形模块、线性聚类模块和模糊线性聚类模块，获取待分割的灰度图像，构建所述图像中的像素的8‑邻域的高斯分布概率密度函数，将所述高斯分布概率密度函数映射到黎曼流形空间，并计算其像素到设定直线的距离，并划分到所述直线所代表的类别中，得到基于线性聚类的分割结果，利用所述计算结果，结合模糊隶属度函数，构建最小化其加权平均距离的目标函数，计算所述目标函数中对应直线的斜率和隶属度函数，并结合像素到直线的距离的计算，循环迭代至设定值，完成图像的分割处理，降低复杂度，提高计算效率和稳定性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于黎曼流形空间的图像分割处理方法及系统。

背景技术

随着成像技术的不断发展，图像分辨率逐渐提高，随之带来更加丰富的纹理细节信息。然而，对于图像分割而言，纹理细节信息会导致目标内像素特征多样化，目标间像素特征增强，传统光谱特征空间利用表征同一类型目标的像素在该空间内自然聚类的性质实现分割。但对于高分辨率图像而言，该种特征表达方式无法利用图像空间中邻域像素的相关性，易导致图像分割结果中包含大量噪声，现有技术中，在传统光谱特征空间的基础上结合图像邻域系统能够在一定程度上提高对噪声的鲁棒性，但会增加复杂度，降低计算效率的同时也会影响方法的稳定性。

发明内容

本发明的目的在于提供一种基于黎曼流形空间的灰度图像分割处理方法及系统，降低复杂度，提高计算效率和稳定性。

为实现上述目的，本发明提供了一种基于黎曼流形空间的灰度图像分割处理方法，包括：

获取待分割的灰度图像，建立高斯分布概率密度函数；

将所述高斯分布概率密度函数映射到黎曼流形空间；

计算像素到设定的分布直线的距离，得到基于线性聚类的分割结果；

利用所述计算结果，构建最小化其加权平均距离的目标函数；

计算所述目标函数中对应直线的斜率，完成图像的分割处理。

其中，所述获取待分割的灰度图像，建立高斯分布概率密度函数，包括：

获取并读取待分割的灰度图像，构建所述灰度图像中的像素的8-邻域内的所有像素的集合，并利用所述集合内的像素索引和像素个数，计算出像素光谱测度的均值，并通过所述均值，得到像素光谱测度的方差。

其中，所述获取待分割的灰度图像，建立高斯分布概率密度函数，还包括：

根据计算得到的所述均值和所述方差，构建欧式空间内的每个像素光谱测度的高斯分布概率密度函数，并用每个像素的8-邻域内像素光谱测度的所述高斯分布概率密度函数表征对应像素的特征。

其中，将所述高斯分布概率密度函数映射到黎曼流形空间，包括：

将每个像素光谱测度的所述高斯分布概率密度函数进行变形，根据变形结果设置第一至第五参数，并结合爱因斯坦约定进行简化，将第三参数和第四参数表征对应像素在黎曼流形空间中的坐标，完成映射。

其中，所述计算像素到设定的分布直线的距离，得到基于线性聚类的分割结果，包括：

设定目标像素分布在通过原点，且具有斜率的直线上，通过所述黎曼流形空间的对应坐标，计算所述像素到直线的距离，并将所述像素划分到所述直线所代表的类别中，得到基于线性聚类的分割结果。

其中，利用所述计算结果，构建最小化其加权平均距离的目标函数，包括：

利用模糊隶属度函数来表征隶属度，并结合计算得到的基于线性聚类的分割结果，构建最小化其加权平均距离的目标函数。