基于均值漂移和邻域信息的模糊c均值图像分割方法
【技术领域】
[0001] 本发明属于图像处理技术领域，更进一步涉及图像分割技术领域中的一种基于均 值漂移和邻域信息的模糊C均值图像分割方法。本发明通过均值漂移方法得到初始的聚类 数目和聚类中心，并且在聚类迭代中使用邻域信息对像素点的隶属度进行平滑，实现对图 像的分割，可用于对图像特征目标的提取。
【背景技术】
[0002] 模糊聚类分析是数据挖掘的主要技术之一，其中模糊C均值聚类方法是一种应用 最广泛的模糊聚类方法。将模糊聚类应用于图像分割是近年来在图像分割领域的一个热门 研究方向。图像分割的过程就是把每个像素作为一个数据点，分割的结果是为这些数据点 赋予一个类标。具有同样类标的像素分成一类，从而实现对图像的分割。
[0003] 传统的基于模糊聚类的图像分割方法，由于易受初始聚类中心的影响，且对噪声 点比较敏感，造成图像分割的精度低，鲁棒性差。
[0004] Z. Ji, Y. Xiab, Q. Chena, Q. Suna, D. Xiaa, D. D. Feng 在其发表的论文 "Fuzzy c-means clustering with weighted image patch for image segmentation" （Applied Soft Computing 12 1659 - 1667. 2012)中提出了一种改进的模糊聚类的图像分割方法。该 方法与传统的模糊聚类的图像分割方法相比，其关键是利用了像素点的邻域图像块来代替 传统的模糊C均值聚类图像分割方法中的像素点，充分的利用了图像的邻域信息，提高了 图像的分割精度。但是该方法仍然存在不足之处是，由于该方法采用了非鲁棒性的欧氏距 离，导致分割过程对噪声点比较敏感，对噪声的鲁棒性较差。
[0005] 南京航空航天大学在其申请的专利"一种模糊C均值图像分割方法"（专利申请号 201310072342. X，公开号CN103150731A)中公开了一种模糊C均值图像分割方法。该方法 利用K-means算法对初始图像进行聚类，获得K个聚类中心；再将获得的K个聚类中心作为 模糊C均值聚类方法的初始聚类中心对图像再进行聚类，实现图像的分割。该方法虽然解 决了传统模糊C均值聚类方法中随机选取初始聚类中心而使得其计算复杂度高的缺陷同 时也提高了分割精度。但是，该方法仍然存在的不足之处是，由于采用了传统的模糊C均值 聚类方法，没有考虑到像素点的邻域信息对聚类过程的影响，导致该方法不能正确的分割 密度分布不均衡的数据集。
【发明内容】
[0006] 本发明的目的在于克服上述已有技术的不足，提出了一种基于均值漂移和邻域信 息的模糊C均值图像分割方法。本发明充分利用了待分割图像的邻域信息，实现了对图像 的准确分类，提高了图像的分割效果和对噪声的鲁棒性。
[0007] 实现本发明目的的基本思路是：首先，使用均值漂移方法对图像的像素点进行迭 代得到初始的聚类数目和聚类中心；然后，使用加权的邻域图像块来代替传统的模糊C均 值图像分割方法中的像素点，并在该传统方法的目标函数中引入加权模糊因子，同时考虑 了像素点的空间距离约束和空间强度约束，保证了空间邻域信息的完整性；最后，在聚类迭 代中使用邻域信息对隶属度进行平滑，更好的实现对图像的分割。
[0008] 为了实现上述目的，本发明的具体实现步骤如下：
[0009] (1)输入一幅待分割图像；
[0010] ⑵采用均值漂移算法，计算聚类数目和初始聚类中心：
[0011] ⑶初始化：
[0012] 将初始循环次数设为0,将最大迭代次数设为500,随机初始化待分割图像的隶属 度矩阵；
[0013] (4)计算待分割图像中邻域图像块的权值：
[0014] (4a)以待分割图像中的像素点为中心，以1个像素单位为半径，获得此范围内的9 个像素点组成的3*3个像素单位的邻域图像块，得到所有像素点的邻域图像块；
[0015] (4b)计算每一个邻域图像块中像素点灰度值的方差值；
[0016] (4c)将每一个邻域图像块中所有像素点灰度值的方差投影到高斯核空间；
[0017] (4d)将每一个邻域图像块的权值归一化；
[0018] (5)计算待分割图像中每一个像素点的加权模糊因子权值：
[0019] (5a)计算待分割图像中像素点和其邻域图像块中像素点的空间距离权值；
[0020] (5b)计算待分割图像中像素点和其邻域图像块中像素点的空间强度权值；
[0021] (5c)计算待分割图像中每一个像素点的加权模糊因子权值；
[0022] Wi = w ! · W2
[0023] 其中，W1表示待分割图像中第i个像素点的加权模糊因子权值，i表示待分割图 像中第i个像素点的标号，W 1表示待分割图像中第i个像素点和其邻域图像块中像素点的 空间距离权值，W2表示待分割图像中第i个像素点和其邻域图像块中像素点的空间强度权 值；
[0024] (6)聚类迭代：
[0025] (6a)计算待分割图像中每一个像素点的隶属度，将所获得的所有像素点的隶属度 组成隶属度矩阵；
[0026] ^b)对待分割图像中每一个像素点的隶属度进行平滑处理；
[0027] 第1步，按照下式，计算邻域图像块中的像素点对邻域图像块的中心像素点的控 制系数：
[0029] 其中，p (·)表示邻域图像块中的像素点对邻域图像块的中心像素点的控制系数， 其值越接近于1，表明邻域图像块中的像素点与中心像素点的相关性越大， Xl表示待分割图 像中第i个像素点的灰度值，i表示待分割图像中第i个像素点的标号，Xj表示第i个像素 点的邻域图像块中第j个像素点的灰度值，j表示待分割图像中第i个像素点的邻域图像 块中第j个像素点的标号，d( ·)表示两个像素点的欧式距离，Σ表示求和操作，{·}表示 元素集合符号，e表示属于符号,N1表示待分割图像中第i个像素点邻域图像块中所有像素 点的集合；
[0030] 第2步，按照下式，计算每一个邻域图像块中所有像素点的权重系数：
[0032] 其中，&1]表示待分割图像中第i个像素点的邻域图像块中第j个像素点的权重系 数，i表示待分割图像中第i个像素点的标号，j表示待分割图像中第i个像素点的邻域图 像块中第j个像素点的标号，P( ·)表示邻域图像块中的像素点对邻域图像块的中心像素 点的控制系数，卜I表示求绝对值操作，X1表示待分割图像中第i个像素点的灰度值，^表 示待分割图像中第i个像素点的邻域图像块中所有像素点灰度值的平均值，S i表示待分割 图像中第i个像素点邻域图像块中所有像素点灰度值的方差值；
[0033] 第3步，按照下式，对待分割图像中每一个像素点的隶属度进行平滑处理：
[0035] 其中，u' kl表示待分割图像中第i个像素点属于初始聚类中心中第k类的隶属度 平滑处理后的值，Σ表示求和符号，i表示待分割图像中第i个像素点的标号，j表示待分割 图像中第i个像素点的邻域图像块中第j个像素点的标号，{·}表示元素集合符号，e表 示属于符号，N 1表示待分割图像中第i个像素点邻域图像块中所有像素点的集合，Ukl表示 待分割图像中第i个像素点属于初始聚类中心中第k类的隶属度， &1]表示待分割图像中第 i个像素点的邻域图像块中第j个像素点的权重系数，满足ai]e [0, 1]，a U用来控制待分 割图像中第i个像素点邻域图像块中的像素点对邻域图像块中心像素点影响的大小；
[0036] (6c)按照下式，计算当前迭代次数的待分割图像聚类中心：
[0038] 其中，V2k表示当前迭代次数的待分割图像聚类中心第k类的中心灰度值，η表示待 分割图像的像素点数目，Σ表示求和操作，i表示待分割图像中第i个像素点的标号，u' kl 表示待分割图像中第i个像素点属于初始聚类中心中第k类的隶属度平滑之后的值，k表