[发明专利]基于复杂网络理论的图像分割方法

权利要求书

1.一种基于复杂网络理论的图像分割方法，其特征在于，步骤如下：

a. 对图像进行去噪声处理，然后基于图像中像素值的分布，利用聚类和网格化方法，在图像上生成网络节点集；

b. 定义网络节点之间的相似性，生成网络边集，生成图像的网络拓扑结构；

c. 利用模块度函数，优化网络拓扑结构，得到最优社区结构划分结果；

d. 基于生成的图像的网络拓扑结构以及最优社区结构划分结果，进行区域轮廓的提取，获得各个图像分割区域，完成区域分割任务。

2.根据权利要求1所述基于复杂网络理论的图像分割方法，其特征在于：在所述步骤a中，通过降噪方法，对输入的数字图像进行降噪；

然后根据图像中像素值的分布，采用聚类算法，对图像进行像素级别上的聚类，对不同像素级目标进行初步分割；

然后对图像进行网格化，从而将图像用多个大小为d*d的方格进行划分，d为网格的方格行数或列数，计算每个方格内不同类别的像素点数，每个方格用像素点数多的类型标记成此方格的类型，并记录此方格为一个节点，方格中心点坐标表示节点的位置，把所有节点记录在一个节点集V = {v₁, v₂, · · · , v_n}中，每个节点都有一个坐标值，即v_i(x_i,y_i)；通过此步骤，获得图像上的网络节点集。

3.根据权利要求2所述基于复杂网络理论的图像分割方法，其特征在于：在所述步骤b中，构建的生成图像的网络拓扑结构的步骤如下：

复杂网络用节点及节点之间的边进行表示的，即G = (V, E)，其中V = {v₁, v₂, · · · , v_n}为节点集，E = {e₁, e₂, · · · , e_m}为边集；

定义集合V以及E，得到网络拓扑结构，通过所述步骤a方法，获得节点集V；

两个节点v_i (x_i,y_i)和v_j (x_j,y_j)相似性是通过节点之间归一化后的欧式距离来度量的，其中欧式距离D_i,j如下所示：

, (1)

归一化后的欧式距离同样用D_i,j 表示，公式如下：

, (2)

其中M_D表示任意两个节点之间距离中的最大值；

引入半径阈值r ∈[0, 1]，用来判断两节点之间是否应该存在连边，如下列公式所示：

(3)

为了显示网络中节点连接的紧密程度，引入连接密度来度量节点之间的连接的紧密程度:

(4)

其中，是节点度，表示与节点相连边的个数；是节点强度，表示与节点相连边上的权值之和；把连接密度归一化到区间[0,1]中，公式如下：

(5)

利用连接密度，从网络拓扑中筛选出连接紧密的节点，即连接密度大的节点；

因此，一个连接密度阈值t被定义，若两个节点的连接密度同时大于阈值时，则保留原本连接，否则断开；从而利用本步骤以上方法，构建图像的网络拓扑结构。