[发明专利]一种利用改进模糊聚类算法提取红外行人目标的方法

摘要

一种利用改进模糊聚类算法提取红外行人目标的方法，该方法具体步骤如下：步骤一：检测行人目标对称轴所在位置；首先使用显著性算法得到目标所在的区域，然后使用模糊C均值算法对目标所在区域进行初分类，通过对初分类结果图像的每一列求和，得到列求和曲线，然后求该曲线的极值，认为极值所在位置即为行人的对称轴位置；步骤二：为了降低红外图像中的灰度不均匀现象对聚类过程的影响，采用形态学闭运算对原始图像进行预处理；步骤三：采用改进的模糊聚类算法对预处理后图像进行聚类分割；步骤四：为了得到轮廓完整且具有平滑边缘的分割结果，需要对聚类结果进行后续处理：剔除非行人目标区域和小面积区域，并平滑边缘。

主权项

1.一种利用改进模糊聚类算法提取红外行人目标的方法，其特征在于，该方法具体步骤如下：步骤一：检测行人目标对称轴所在位置；首先使用显著性算法得到目标所在的区域，然后使用模糊C均值算法对目标所在区域进行初分类，通过对初分类结果图像的每一列求和，得到列求和曲线，然后求该曲线的极值，认为极值所在位置即为行人的对称轴位置；步骤二：为了降低红外图像中的灰度不均匀现象对聚类过程的影响，采用形态学闭运算对原始图像进行预处理；步骤三：采用改进的模糊聚类算法对预处理后图像进行聚类分割；步骤四：为了得到轮廓完整且具有平滑边缘的分割结果，需要对聚类结果进行后续处理：剔除非行人目标区域和小面积区域，并平滑边缘；其中，步骤三中，改进的模糊聚类算法目标函数如下：其中Wij为权重系数，αj为对称因子，β为常数，Ns为当前像素点的对称点的邻域，x'r是该邻域中的像素点；N为像素点总数；j为像素点位置坐标；c为类别总数；i为类别序数；uij为第j个像素点相对于第i类的隶属度；vi为第i类的聚类中心；m为模糊因子；xj为第j个像素点的像素值；其中：(1‑Pj(i))为拒绝度，(1‑Qj(i))是对拒绝度的修正项，开根号是为了保持统一数量级；Pj(i)的计算过程如下：其中，Nj代表当前像素点的邻域，ur,i代表邻域中像素点对于第i类的隶属度，Z1为一常数，定义如下：Qj(i)的计算过程如下：Qj(i)＝exp(‑Ej(i))/Z其中Z是一常数，定义如下：Ej(i)表示一种能量函数，其计算过程如下：其中x，y表示当前像素点的位置坐标，x'和y'为当前像素点的对称点的位置坐标，ui(x,y)表示坐标为(x,y)的像素点对于第i类的隶属度；对称因子αj的计算过程如下：其中和分别代表当前像素点及其对称点在3×3内的邻域计算得到的灰度均值，f为全图的灰度均值，σ为全图灰度标准差；σfore代表行人目标的方差，Sfore代表行人的面积大小，S为全图面积；得到隶属度矩阵和聚类中心的迭代公式为：其中k表示类别序数，vk代表第k类的聚类中心；改进算法步骤为：3.1设定类别数c，最大迭代次数T和迭代停止阈值ε；3.2初始化隶属度矩阵和聚类中心；3.3计算对称因子αj；3.4计算权重系数Wij；3.5根据聚类中心和隶属度矩阵的计算公式更新聚类中心和隶属度矩阵，根据目标函数计算公式计算目标函数J的值；3.6若|J(t+1)‑J(t)|＜ε，则停止迭代；否则继续进行步骤3.5；其中J代表计算得到的目标函数的值，t代表迭代次数；3.7根据隶属度最大原则进行逆模糊化，完成图像分割。