[发明专利]一种基于聚类的边窗滤波器优化方法

权利要求书

1.一种基于聚类的边窗滤波器优化方法，其特征在于，该方法具体包括以下步骤：

S1：将一副图像从RGB颜色空间转换到YCbCr颜色空间；

S2：根据滤波核尺寸和图像像素点数确定聚类的初始中心点；

S3：对图像中每一个像素点进行迭代聚类算法，将整幅图像聚类成若干个超像素区域；

S4：初始化一个大小为N的0向量为标识向量m，其中N为图像总的像素点数；

S5：对于图像的每一个像素点p_i，如果p_i属于第k个超像素区域，则将m_i赋值为k；

S6：根据像素点p_i的邻域像素点的标识向量确定权重；

S7：根据步骤S6确定的权重对边窗集合中的每个边窗进行滤波，得到像素点p_i的滤波像素值；

S8：重复步骤S6～S7，得到滤波后的图像。

2.根据权利要求1所述的边窗滤波器优化方法，其特征在于，所述步骤S2具体包括：给定滤波核尺寸大小S，图像总的像素点数为N，在图像中水平和垂直方向均匀间隔S个像素点取出个像素点作为聚类的初始中心点C_i＝[L_i,x_i,y_i]^T，其中(x_i,y_i)为像素的坐标，L_i为像素点在YCbCr颜色空间亮度分量的像素值。

3.根据权利要求2所述的边窗滤波器优化方法，其特征在于，所述步骤S3具体为：对图像中每一个像素点进行迭代k-mean聚类算法。

4.根据权利要求3所述的边窗滤波器优化方法，其特征在于，所述步骤S3具体包括：每次迭代将图像的每一个像素划归到离它最近的聚类中心，在每一个聚类中心周围2S×2S的区域内进行k-mean聚类，其中两个像素之间的距离测度D定义为：

其中，h为控制颜色相似度和空间距离相对重要性的参数；每次迭代将聚类中心更新为所有属于该聚类中心的所有像素点向量的平均值[L_i,x_i,y_i]^T，直到两次迭代得到的聚类中心收敛为止。

5.根据权利要求4所述的边窗滤波器优化方法，其特征在于，所述步骤S6具体包括以下步骤：

S61：在输入图像qⁱ上获取像素点p_i；

S62：获取邻域像素点的标识向量nⁱ；

S63：获取当前像素点的标识m_i；

S64：如果m_i不等于则将权重置为0，其中j表示第j个领域像素点。

6.根据权利要求5所述的边窗滤波器优化方法，其特征在于，所述步骤S7具体包括以下步骤：

S71：对于边窗集合中的每一个边窗g，进行如下滤波操作：

S72：得到像素点p_i的滤波像素值为：

其中，G表示边窗集合。

7.根据权利要求1～6中任意一项所述的边窗滤波器优化方法，其特征在于，在滤波过程中只使用不跨越边缘的像素。