一种鲁棒性的fcm图像分割方法
【技术领域】
[0001] 本发明属于图像分割技术领域，是一种鲁棒性的FCM图像分割方法。
【背景技术】
[0002] 图像分割是图像处理和计算机视觉的一个重要过程。图像分割就是把图像分割 成若干个特定的，具有独特性质的区域并提出感兴趣目标的技术和过程。现有的图像分割 主要分为下面几类：基于阈值的分割方法，基于区域的分割方法，基于边缘的分割方法以及 基于聚类的分割方法。模糊聚类即FCM算法是聚类分割方法的一种，它由Dunn提出并由 Bezdek推广，目前已成功运用在医学图像处理，人工智能，模式识别等各个方面。
[0003] 传统的FCM在硬分类的基础上添加了隶属度函数，使得每个样本点不再属于某一 确定的类，而是以一定的百分比隶属于不同的类。这就使得传统的FCM较硬分类来说，能够 保持更多的图像信息。但是传统的FCM并没有考虑到周围邻域的信息，使得FCM算法对噪 声非常的敏感。FCM_S算法在FCM的基础上考虑了周围邻域的信息，使得中心点的类别受周 围邻域点类别的影响，这大大增强了算法对噪声和奇异点的鲁棒性。但是，算法在每次迭代 过程中都要对周围邻域点进行计算，使得算法非常耗时。EnFCM和FGFCM算法将原始图片和 它的局部邻域做一个权值运算，得到一个新的线性权值图片，然后再按照像素灰度级对图 片进行聚类，这使得聚类算法速度得到很大的提高。
[0004] 但是，由于先做一个权值运算会模糊掉图像的细节部分，而且除了原始的FCM算 法外，每个算法都有一个参数控制，参数的选择需要经验和大量的实验来确定。FLICM算法 不需要任何人为设定的参数，而且加入了局部空间和局部灰度值信息使得算法在保持图像 细节的同时还对噪声具有一定的鲁棒性。但是，在噪声比例较大的情况下，FLICM算法并不 能实现很好的聚类。
[0005] 因此为了克服现有技术的上述缺陷，本发明提出了一种鲁棒性的FCM图像分割方 法。本发明提出了一个新的基于模糊隶属度的空间距离约束模糊因子，将该因子引入FCM 算法中，该模糊因子具有强噪声的高鲁棒性，而且对噪声图像分割后的图像边缘细节部分 也能保持较好。实验验证本发明不仅能够在低噪声的情况下实现很好的聚类，而且在高噪 声的情况下，其聚类效果也比FCM及其改进的算法更好。
【发明内容】
[0006] 本发明提出了一种鲁棒性的FCM图像分割方法，包括如下步骤：
[0007] 步骤a :输入一张含有噪声的待处理图像；
[0008] 步骤b :设定模糊指数m、迭代停止阈值ε和最大迭代次数maxlter，并初始化聚 类个数c和邻域窗口 W;
[0009] 步骤c :利用0至1之间的随机数初始化隶属度U。，并利用初始的隶属度U。计算第 〇次迭代的聚类中心V。；所述聚类中心V。包含c个聚类中心；
[0010] 步骤d :对于第iter次迭代，iter = 1，2，· · ·，maxlter，利用所述待处理图像的样 本点与聚类中心VltCT i的灰度值差以及所述隶属度UltCT i和空间欧式距离，计算第iter次 迭代的模糊因子&^;
[0011] 步骤e :利用所述模糊因子GltCT和所述聚类中心VltCT i计算第iter次迭代的隶属 度 Uiter, iter = 1,2,…，maxlter ;
[0012] 步骤f :根据所述隶属度UltCT重新计算第iter次迭代的聚类中心VltCT ;
[0013] 步骤g :判断第iter次迭代前后的隶属度值差小于所述迭代停止阈值ε或者迭 代次数iter超过所述最大迭代次数maxlter时，则完成图像分割并输出分割后的图像；否 则重复所述步骤d与步骤g进行下一次迭代计算隶属度和聚类中心直至满足该条件为止。
[0014] 本发明提出的所述鲁棒性的FCM图像分割方法中，所述步骤a进一步包括对所述 待处理图片的预处理过程，所述预处理过程包括如下步骤：
[0015] 步骤al :自动将属性为彩色图像的待处理图像转换为灰度图像；
[0016] 步骤a2 :获取所述待处理图像的分辨率，包括长度像素点数和宽度像素点数。
[0017] 本发明提出的所述鲁棒性的FCM图像分割方法中，所述步骤c利用所述隶属度U 计算初始的聚类中心包括如下步骤：
[0018] 步骤cl :利用随机函数随机初始化c-Ι个隶属度值ukl，
[0019] 步骤c2 :计算第c个隶属度，
[0020] 步骤c3 :初始化迭代次数为0 ;
[0021] 步骤c4 :计算求得第k个聚类中心vk，循环c次得到第0次迭代的c个聚类中心 Vk，得到第0次迭代的聚类中心V。= (Vp v2, . . .，vj，k e [1，C];所述聚类中心vk以如下 公式表示：
[0022]
[0023] 式中，￥1<表示聚类中心的数值，N表示图像中样本点的总数，m表示模糊指数， Xl表 示图像中第i个点的灰度值，ukl表示隶属度的数值。
[0024] 本发明提出的所述鲁棒性的FCM图像分割方法中，所述步骤d计算模糊因子G包 括如下步骤：
[0025] 步骤dl :若当前处于图像中第i个样本点和第k个聚类中心时，根据| |xt_vk| |计 算第i个样本点的第t个邻域点和第k个聚类中心的灰度值差，记为SUM ;
[0026] 步骤d2 :确定第i个样本点的邻域窗口各个邻域点的位置，利用坐标（X，y)标定 所述第i个样本点的位置，利用（χ+ii，y+jj)标定所述邻域内各邻域点的位置；
[0027] 步骤d3:在所述邻域内确定一个所述邻域点的坐标，记为（X'，y')，计算所述中 心点i与所述邻域点t之间的欧氏距_
[0028] 步骤d4 :求得所述基于邻域点隶属度空间距离约束的模糊因子Gkt ;所述模糊因子 以如下公式表示：
[0029]
[0030] 步骤d5 :重复上述步骤d3与步骤d4,求得所述邻域内（除样本点i外）所有邻域 点的模糊因子Gkt，并求和得到所述模糊因子Gkl，t = 1，2, . . .，W ;
[0031] 步骤d6 :重复c次上述步骤d3至步骤d5,得到第i个样本点的c个模糊因子Gy j 1，2，···，c〇
[0032] 本发明提出的所述鲁棒性的FCM图像分割方法中，所述步骤e计算第iter次迭代 的隶属度U包括如下步骤 ：
[0033] 步骤el :若当前处于图像中第i个样本点和第k个聚类中心时，根据| |Xl_vk| Γ计 算第i个样本点和第k个聚类中心的灰度值差；
[0034] 步骤e2 :重复c次所述步骤el，求得中心点i和第j个聚类中心的灰度值差，j =
[0035] 步骤e3 :计算所述中心点i属于第k类聚类中心的隶属度
[0036] 步骤e4 :重复c次所述步骤el至步骤e3,计算所述中心点i属于c个不同聚类中 心的隶属度；
[0037] 步骤e5 :重复N次所述步骤dl至步骤d6和步骤el至步骤e4,计算所有像素点属 于c个不同聚类中心的隶属度。
[0038] 本发明提出的所述鲁棒性的FCM图像分割方法中，所述步骤f中计算第iter次迭 代的聚类中心V包括如下步骤 ：
[0039] 步骤fl :累加迭代次数iter,使iter = iter+Ι ;
[0040] 步骤f2 :根据所述隶属度U计算第iter次迭代的聚类中心V ;
[0041] 步骤f3 :将所述隶属度U保存于变量U。^中。
[0042] 本发明主要研究的是含有噪声情况下的图像分割算法。本发明的有益效果在于： 本发明通过构建了一个新的基于模糊隶属度的空间距离约束模糊因子，将该因子引入FCM 算法中，充分利用了局部空间信息并用邻域像素的模糊隶属度进行约束，而且考虑了邻域 灰度值信息，最后将这些对噪声具有抑制作用的约束直接作用在原图像上，尽最大可能的 保存了原始图片的细节。现有改进的FCM算法虽然引入了邻域信息，但是没有考虑邻域点 到中心点的距离远近的影响，都令其对中心点的影响相同；而且无论邻域点是否为噪声点， 都对中心点的影响也是相同的。本发明克服上述缺点，增强对噪声的鲁棒性，尤其是高噪声 的情况下，效果十分显著，拓展了含噪声的图像分割领域的理论研究。
【附图说明】
[0043] 图1为本发明鲁棒性的FCM图像分割方法的流程图。
[0044] 图2为实施例中所使用的示例图片。
[0045] 图3(a)为中心点像素为非噪声点时各像素点的灰度值，图3(b)为图3(a)经 FLICM算法所得的隶属度，图3(c)为图3(a)经本发明方法所得的隶属度；图3(d)为中心点 像素为噪声点时各像素点的灰度值，图3(e)为图3(d)经FLICM算法所得的隶属度，图3(f) 为图3(d)经本发明方法所得的隶属度。
[0046] 图4(a)为原始图像。图4(b)为在原图像上加了方差为0. 1的高斯噪声和10%的 椒盐噪声的混合噪声。图4(c)为FCM算法处理的结果。图4(d)为FCM_S的处理结果。图 4(e)