一種結合局部空間信息的多目標模糊聚類圖像分割方法技術

本發明專利技術公開了一種結合局部空間信息的多目標模糊聚類圖像分割方法，包括以下步驟：1.輸入待分割的圖像；2.計算非線性加權和圖像；3.對步驟2得到的加權圖像進行多目標模糊聚類；4.通過上面的進化，得到一組Pareto解集，采用聚類指標I從中選擇一個最優個體。5.然后利用最優個體即一組最優聚類中心對加權和圖像像素進行聚類，最后對加權和圖像中的像素進行類別標記，得到圖像的最終分割結果。本發明專利技術能夠有效地將目標和背景分離開，分割結果精確，算法實現簡單。

【技術實現步驟摘要】

本專利技術屬于圖像處理領域，具體涉及一種結合局部空間信息的多目標模糊聚類圖像分割方法。
技術介紹
圖像分割是圖像處理到圖像分析的關鍵步驟,其目的是根據圖像中像素的灰度、顏色和紋理等特征把圖像劃分成若干個不相交的區域，并使得同一區域內的特征是相似性的，而在不同區域間特征具有明顯的差異性。基于模糊聚類的圖像分割方法一般根據某一個聚類準則來判別圖像中像素的歸屬，因此獲得的圖像分割結果是在該準則下最優的或接近最優的。在實際應用中，圖像分割是一個需要根據人們的不同需求或者不同的應用環境，從多個角度來考慮的問題。另外，模糊聚類最大的缺點是沒有考慮圖像中任何的空間信息，使得方法對于圖像中的噪聲敏感，無法在含噪聲圖像分割中獲得滿意的分割結果。
技術實現思路
本專利技術的目的在于提供一種結合局部空間信息的多目標模糊聚類圖像分割方法，以克服上述現有技術存在的缺陷，本專利技術能夠有效地將目標和背景分離開，分割結果精確，算法實現簡單。為達到上述目的，本專利技術采用如下技術方案：一種結合局部空間信息的多目標模糊聚類圖像分割方法，包括以下步驟：步驟1：輸入待分割的圖像，若待分割的圖像是RGB圖像，則首先將圖像變換成灰度圖像；步驟2：計算非線性加權和圖像ξ；步驟3：對步驟2得到的加權和圖像進行多目標模糊聚類；步驟4：通過步驟3得到一組Pareto解集，采用聚類指標I從中選擇一個最優個體；步驟5：然后利用最優個體對加權和圖像像素進行聚類，最后對加權和圖像中的像素進行類別標記，得到圖像的最終分割結果。進一步地，步驟2中計算非線性加權和圖像ξ的具體方法為：ξj=Σp∈SjEjp′xpΣp∈SjEjp′]]>其中，ξj表示加權和圖像ξ的第j個像素值，Sj表示以像素j為中心的鄰域窗，E'jp表示像素j和像素p之間的局部相似性，E'jp的具體形式如下：Ejp′=exp(-|aj-ap|+|bj-bp|λs-||xj-xp||λgσj2)j≠p0,j=p]]>其中，|aj-ap|+|bj-bp|表示像素j和像素p空間位置的曼哈頓距離，xj，xp表示像素j和像素p灰度值，λs和λg是兩個尺度參數，σj的表達式為其中，SR是鄰域窗Sj內像素的數目。進一步地，所述的多目標模糊聚類包括染色體生成與種群初始化，選擇、交叉和變異操作。進一步地，步驟3中對步驟2得到的加權和圖像進行多目標模糊聚類的具體方法為：3a)初始化參數：聚類數目c，種群規模為100，最大代數為200，交叉概率為0.9變異概率為0.1，基因編碼范圍0～255，λs為3，λg為8，SR為8；3b)種群初始化，隨機產生100個個體，假設分為K類則每個染色體有K個基因位，每個基因位取值為0～255，G＝1；3c)計算種群中每個個體的2個目標函數值，將兩個目標函數值分別添加到染色體的K+1、K+2基因位；3d)利用步驟3c)中計算的目標函數值對種群進行非支配排序，并將個體的非劣等級和擁擠距離分別添加到染色體的K+3、K+4基因位；3e)開始進化，用錦標賽法，根據序值和擁擠距離從種群中選出一半數量的個體作為父代；3f)對父代個體進行交叉和變異操作，產生子代；3g)將當前種群與子代種群合并，然后排序和刪減，獲得與初始種群個體數一致的新一代種群；3h)如果G>200，則執行步驟4；否則，G＝G+1，跳轉到步驟3c)。進一步地，步驟4中聚類指標I為：I=(1c×E1Ec×Dmax)2]]>其中Ec，Dmax的定義如下：Ec=Σi=1cΣk=1nuikD(vi,xk)]]>Dmax=maxi,j=1cD(vi,vj)]]>式中，c為聚類中心數目，n是待聚類樣本數據的數目，Ec是衡量類內緊致性的函數，E1是Ec中i取1時的值，是一個常數，Dmax是度量所有聚類對的最大可分性的函數，D(vi,xk)是第i個聚類中心和第k個樣本的距離，D(vi,vj)是第i個聚類中心和第j個聚類中心的距離，uik是表示第k個樣本對第i個聚類中心的隸屬度。進一步地，所述的步驟3c)中兩個目標函數：一個是體現內類緊致性的函數CJ，另一個是體現類間分離度的函數CS，假設一組聚類中心為V＝{v1,v2,...,vc本文檔來自技高網...

【技術保護點】
一種結合局部空間信息的多目標模糊聚類圖像分割方法，其特征在于，包括以下步驟：步驟1：輸入待分割的圖像，若待分割的圖像是RGB圖像，則首先將圖像變換成灰度圖像；步驟2：計算非線性加權和圖像ξ；步驟3：對步驟2得到的加權和圖像進行多目標模糊聚類；步驟4：通過步驟3得到一組Pareto解集，采用聚類指標I從中選擇一個最優個體；步驟5：然后利用最優個體對加權和圖像像素進行聚類，最后對加權和圖像中的像素進行類別標記，得到圖像的最終分割結果。

【技術特征摘要】
1.一種結合局部空間信息的多目標模糊聚類圖像分割方法，其特征在于，包括以下
步驟：
步驟1：輸入待分割的圖像，若待分割的圖像是RGB圖像，則首先將圖像變換成灰
度圖像；
步驟2：計算非線性加權和圖像ξ；
步驟3：對步驟2得到的加權和圖像進行多目標模糊聚類；
步驟4：通過步驟3得到一組Pareto解集，采用聚類指標I從中選擇一個最優個體；
步驟5：然后利用最優個體對加權和圖像像素進行聚類，最后對加權和圖像中的像素
進行類別標記，得到圖像的最終分割結果。
2.根據權利要求1所述的一種結合局部空間信息的多目標模糊聚類圖像分割方法，
其特征在于，步驟2中計算非線性加權和圖像ξ的具體方法為：
ξj=Σp∈SjEjp′xpΣp∈SjEjp′]]>其中，ξj表示加權和圖像ξ的第j個像素值，Sj表示以像素j為中心的鄰域窗，E'jp表
示像素j和像素p之間的局部相似性，E'jp的具體形式如下：
Ejp′=exp(-|aj-ap|+|bj-bp|λs-||xj-xp||λgσj2)j≠p0,j=p]]>其中，|aj-ap|+|bj-bp|表示像素j和像素p空間位置的曼哈頓距離，xj，xp表示
像素j和像素p灰度值，λs和λg是兩個尺度參數，σj的表達式為其中，SR是鄰域窗Sj內像素的數目。
3.根據權利要求2所述的一種結合局部空間信息的多目標模糊聚類圖像分割方法，
其特征在于，所述的多目標模糊聚類包括染色體生成與種群初始化，選擇、交叉和變異操
作。
4.根據權利要求3所述的一種結合局部空間信息的多目標模糊聚類圖像分割方法，
其特征在于，步驟3中對步驟2得到的加權和圖像進行多目標模糊聚類的具體方法為：
3a)初始化參數：聚類數目c，種群規模為100，最大代數為200，交叉概率為0.9

【專利技術屬性】
技術研發人員：趙鳳，韓文超，劉漢強，王俊，
申請(專利權)人：西安郵電大學，
類型：發明
國別省市：陜西;61