基于局部像素分类的彩色图像分割方法
【专利摘要】本发明公开了一基于局部像素分类的彩色图像分割方法，首先利用四元数PHT提取像素级颜色特征；然后利用ACS-FCM选取训练样本；最后利用训练后的TWSVM模型进行分类，通过使用非平行平面，为两类数据分别构造单独的超平面，并尽可能使每个超平面距离本类样本近，距它类样本远，进而获得更好的分类模型且速度明显快于传统的LS-SVM。本发明由于结合了ACS和FCM，利用ACS的全局性和鲁棒性克服了FCM分割不够精确、易陷入局部最优的缺点，能够很好的保持图像分量间彼此的联系性和相关性，且很好的刻画了图像像素的特征。
【专利说明】基于局部像素分类的彩色图像分割方法
【技术领域】
[0001] 本发明属于多媒体信息处理的图像分割【技术领域】，尤其是一种可保持图像分量间 彼此的联系性和相关性，且很好地刻画了图像像素的特征的基于局部像素分类的彩色图像 分割方法。
【背景技术】
[0002] 图像分割是将图像中具有特殊意义的区域分割开来，便于目标检测、识别及图像 检索等。虽然人们对图像分割技术已经做了大量的研究，但是对彩色图像分割的方法较少。
【发明内容】
[0003] 本发明是为了解决现有技术所存在的上述技术问题，提供一种可保持图像分量间 彼此的联系性和相关性，且很好地刻画了图像像素的特征的基于局部像素分类的彩色图像 分割方法。
[0004] 本发明的技术解决方案是：一种基于局部像素分类的彩色图像分割方法，依次按 照如下步骤进行： 步骤1 :选取构造彩色图像每个像素点(ij)的局部窗口 ,利用四元数PHT矩分解 求局部窗口的矩值，构造像素的特征； 步骤2:将像素点视为蚂蚁，聚类中心视为食物源，则聚类的过程即蚂蚁觅食过程，利 用ACS-FCM选取训练样本，所有的训练样本构成训练集，剩下的像素作为测试集，确定训练 集类标签； 步骤3 :利用训练样本进行TWSVM模型训练，使用训练后的TWSVM模型预测测试集的类 标签，合并训练集和测试集的类标签向量，作为最后的图像分割结果。
[0005] 所述步骤1如下： 步骤11 :对于给定的一幅原彩色图像mXn，选取以每个像素点(U)为中心的5X5局 部窗口Ω?ιν> ; 步骤12 :计算局部窗口Dy丨的四元数PHT矩； 步骤13 :通过四元数PHT矩分解求彩色图像的矩值Affi，利用四元数PHT矩值Α/?求 出幅值,选取-个矩值作为像素级特征，且窗口大小为5X5,阶数为3。
[0006] 所述步骤12如下： 步骤121 :假设/(r，6>)为极坐标系下的彩色图像，则根据传统灰度图像的PHT矩定义及 四元数理论，定义彩色图像四元数PHT矩如下：
【权利要求】
1. 一种基于局部像素分类的彩色图像分割方法，其特征在于依次按照如下步骤进行： 步骤1 :选取构造彩色图像每个像素点 仏_/)的局部窗口 ，利用四元数PHT矩分解求局部窗口的矩值，构造像素的特征； 步骤2:将像素点视为蚂蚁，聚类中心视为食物源，则聚类的过程即蚂蚁觅食过程，利 用ACS-FCM选取训练样本，所有的训练样本构成训练集，剩下的像素作为测试集，确定训练 集类标签； 步骤3 :利用训练样本进行TWSVM模型训练，使用训练后的TWSVM模型预测测试集的类 标签，合并训练集和测试集的类标签向量，作为最后的图像分割结果。
2. 根据权利要求1所述的基于局部像素分类的彩色图像分割方法，其特征在于所述步 骤1如下： 步骤11 :对于给定的一幅原彩色图像mXn，选取以每个像素点(I5J)为中心的5X5局 部窗口Daj:.; 步骤12 :计算局部窗口 的四元数PHT矩； 步骤13 :通过四元数PHT矩分解求彩色图像的矩值Af，利用四元数PHT矩值Aff.求 出幅值,选取-个矩值作为像素级特征，且窗口大小为5X5,阶数为3。
3. 根据权利要求2所述的基于局部像素分类的彩色图像分割方法，其特征在于所述步 骤12如下： 步骤121 :假设/(r，6>)为极坐标系下的彩色图像，则根据传统灰度图像的PHT矩定义及 四元数理论，定义彩色图像四元数PHT矩如下：
其中，jk是一个单位纯四元数，芦=￠+/+咏'占； 步骤122 :利用有限个四元数PHT矩来近似重构出彩色图像函数/(G約，假定W5iiaxS重构图像的最高阶数为重构图像的最大重复度，在极坐标系下，利用下述四元数PHT 重构公式近似地重构出彩色图像函数/(^句，具体公式为：
4. 根据权利要求2或3所述的基于局部像素分类的彩色图像分割方法，其特征在于所 述步骤2如下： 步骤21 :建立模型，将像素点视为蚂蚁，聚类中心视为食物源，则聚类的过程即蚂蚁觅 食过程； 步骤2 2 :参数初始化，给定数据样本集X1. =(XA.Xf2;…，XfttJf= 1，2，Ii,设置 a、户、rf/l ?^等参数的初始值，设置初始聚类中心给出一个初始蚁群分配方案，并 计算数据样本与聚类中心间的加权欧氏距离：
步骤23:蚂蚁的移动，对每一只蚂蚁A# =1必…，，根据转移概率
为其选择一个新的节点，并将蚂蚁移动到此节点； 步骤24:-次蚁群聚类完成后，更新各类的聚类中心G-,重新计算样本点 到该新的聚类中心的加权距离
，然后使用更新规则
对这2个聚类中心之间的路径上的信息素浓度进行更新； 步骤25 :目标函数及终止，计算目标函数如下：
若循环次数大于规定次数，停止运行并输出图片为训练样本，否则转步骤23 ; 步骤26 :所有的训练样本构成训练集，剩下的像素作为测试集，确定训练集类标签。
5.根据权利要求4所述的基于局部像素分类的彩色图像分割方法，其特征在于所述步 骤3如下： 步骤31 :以训练集训练TWSVM模型； 步骤32 :使用训练后的TWSVM模型预测测试集的类标签，合并训练集和测试集的类标 签向量，把它作为最后的图像分割结果。
【文档编号】G06T7/00GK104504698SQ201410795274
【公开日】2015年4月8日 申请日期:2014年12月20日 优先权日:2014年12月20日
【发明者】王向阳, 孙炜玮, 牛盼盼 申请人:辽宁师范大学