[发明专利]一种基于加权鲁棒FCM聚类的图像分割方法及系统

权利要求书

1.一种基于加权鲁棒FCM聚类的图像分割方法，其特征在于，包括以下步骤：

S1：输入待分割图像矩阵，定义目标函数并初始化优化模糊聚类方法目标函数中的各参数；

S2：基于目标函数最小化，计算更新模糊隶属度矩阵、特征权值矩阵、数据重要性矩阵和聚类中心矩阵；

S3：判断优化的模糊聚类方法是否满足迭代停止条件，否则继续迭代执行步骤S2，迭代更新模糊隶属度矩阵、特征权值矩阵、数据重要性矩阵和聚类中心矩阵，是则根据隶属度最大准则标记每个像素点，完成图像分割。

2.根据权利要求1所述的一种基于加权鲁棒FCM聚类的图像分割方法，其特征在于：在所述步骤S1中，目标函数为：

在上式中n为待分割图像中像素点个数，m为像素点特征个数，c为待分割图像的聚类数目，其为聚类中心矩阵，v_ij表示第i个聚类中心的第j个特征值；为隶属度矩阵,u_ik表示第k各像素点x_k隶属于第i个聚类的程度；为数据重要性矩阵，w_ik表示像素点x_k对于第i个聚类的重要性；为特征权值矩阵，r_ij表示第j个特征对于第i个聚类的重要性；θ为数据可靠性系数，δ，ε为两个正则化系数，其中：

r_ij∈[0,1],u_ik∈[0,1],w_ik∈[0,1]

1≤i≤c,1≤k≤n，1≤j≤m。

3.根据权利要求2所述的一种基于加权鲁棒FCM聚类的图像分割方法，其特征在于：在所述步骤S1中，初始化目标函数中的各参数，即初始化：分类数量c，数据可靠性系数θ，正则化系数：δ，ε，循环截止误差ε＝1e^-5，循环次数t＝1，最大循环次数T。

4.根据权利要求3所述的一种基于加权鲁棒FCM聚类的图像分割方法，其特征在于：在所述步骤S2中，计算更新模糊隶属度矩阵、特征权值矩阵、数据重要性矩阵和聚类中心矩阵的公式分别为：

5.根据权利要求4所述的一种基于加权鲁棒FCM聚类的图像分割方法，其特征在于：在所述步骤S3中，所述迭代停止条件为：判断模糊隶属度矩阵、特征权值矩阵、数据重要性矩阵和聚类中心矩阵更新后的目标函数值变化值||J^(t)-J^(t-1)||≤ε是否成立，其中J^(t)为第t次迭代更新后的目标函数值，J^(t-1)为第t-1次迭代更新后的目标函数值，成立则循环终止；不成立判断当前迭代次数t≥T是否成立，成立则循环终止，不成立则循环执行步骤2，循环迭代次数t加1。

6.一种基于加权鲁棒FCM聚类的图像分割系统，其特征在于，利用权利要求1～5任一项所述的方法对图像进行分割，包括：

初始化模块，用于输入待分割图像矩阵，定义目标函数并初始化优化模糊聚类算法目标函数中的各参数；

矩阵计算模块，用于基于目标函数最小化，计算更新模糊隶属度矩阵、特征权值矩阵、数据重要性矩阵和聚类中心矩阵；

图像分割模块，用于判断优化的模糊聚类算法是否满足迭代停止条件，否则继续迭代执行步骤S2，迭代更新模糊隶属度矩阵、特征权值矩阵、数据重要性矩阵和聚类中心矩阵，是则根据隶属度最大准则标记每个像素点，完成图像分割；

中央处理模块，用于向其他模块发出指令，完成相关动作；

所述初始化模块、所述矩阵计算模块、所述图像分割模块均与中央处理模块电连接。