基于分层模糊c均值的图像分割方法
【专利摘要】本发明公开了一种基于分层模糊c均值的图像分割方法，通过将均值模板同时应用于隶属度和距离函数这两项上，从而获得更好的图像分割结果，有效地利用了图像中的空间上下文信息，获得了更好的图像分割质量，同时算法的运行时间和计算量都较小，通过将距离函数采用分层模糊c模型，即将距离函数看作是子模糊c均值模型，其比传统的欧式距离函数具有更好的抗噪性本发明的算法对于图像噪声具有更好的鲁棒性。
【专利说明】基于分层模糊C均值的图像分割方法
【技术领域】
[0001] 本发明属于图像处理领域，特别涉及一种基于分层模糊c均值的图像分割方法。【背景技术】
[0002]图像分割是图像处理中的重要研究课题，它决定着最终的图像分析和图像理解的结果和质量。正是由于图像分割的重要性，国内外许多学者对其展开了大量的研究，提出了各种各样不同的分割算法，但是这些算法大都是针对具体研究对象的，至今还没有通用的分割理论提出，因此人们仍然在不断地探索新的分割算法和分割理论。
[0003]模糊C均值算法是基于目标函数的聚类算法中理论最完善、应用最广泛的算法。由于成功地将模糊概念引入到图像像素的隶属度，模糊C均值算法能够保留更多的原始图像信息。虽然模糊C均值算法由于自身的优势得到了广泛的应用和发展，但是该算法在进行图像分割时需要事先确定分类数、对噪声敏感、易陷入局部极值。
[0004]Ahmed等通过引入空间约束修改经典的模糊c均值(Fuzzy Cneans, FCM)算法的目标函数，取得了较好的图像分割结果，该算法称为MFCM算法。陈松灿等提出了关于MFCM算法的变化形式:FCM_S算法，并且加快了 MFCM算法的执行速度。FLICM考虑了像素的局部空间信息而HMRF-FCM则考虑了像素空间关系的马尔科夫随机场(Markov RandomField, MRF)模型。然而，这些已有的研究算法具有计算复杂度高，计算时间长，依然容易受到图像噪声影响等弊端。
【发明内容】
[0005]本发明为了解决现有的算法具有计算复杂度高，计算时间长，依然容易受到图像噪声影响等弊端的问题，提出了一种基于分层模糊c均值的图像分割方法。
[0006]为解决上述问题，本发明采用的方法是:一种基于分层模糊c均值的图像分割方法，包括以下步骤:
[0007](I)、将图像数据分到J个类中，在每个类j中，数据再被分到k个子类中，确定第一层的类数J，第二层的类数K，初始化隶属度》C*子隶属度^和初始化聚类中心P Jk ;
[0008](2)、设置循环计数1=0 ；
[0009](3)、通过公式:
【权利要求】
1.一种基于分层模糊C均值的图像分割方法，其特征在于:包括以下步骤: (1)、将图像数据分到J个类中，在每个类j中，数据再被分到k个子类中，确定第一层的类数J，第二层的类数K，初始化隶属度《丨，子隶属度嗱和初始化聚类中心μ Jk ； (2)、设置循环计数1=0; (3)、通过公式
2.根据权利要求1所述的基于分层模糊c均值的图像分割方法，其特征在于:所述目标函数的推导过程包括如下步骤: (1)、令yi表示图像中第i个点的像素值，其中i=(l，2，…，N)，N为图像的像素总个数，j(j=l,2,-,K)表示像素点i所对应的类，模糊c均值的目标函数可以表示为:
3.根据权利要求2所述的基于分层模糊c均值的图像分割方法，其特征在于:所述的公式
4.根据权利要求1所述的基于分层模糊c均值的图像分割方法，其特征在于:所述的初始化隶属度《丨，子隶属度^和初始化聚类中心μ Jk通过k-means算法进行预处理得到。
【文档编号】G06T7/00GK103971363SQ201410127317
【公开日】2014年8月6日 申请日期:2014年3月31日 优先权日:2014年3月31日
【发明者】张辉, 陈北京, 郑钰辉 申请人:南京信息工程大学