一种基于K‑均值聚类的图像特征提取方法与流程

技术特征：

1.一种基于K-均值聚类的图像特征提取方法，其特征在于，该方法包括以下步骤：

步骤S1：采集图像并对图像进行预处理，以及建立图像数据库；

步骤S2：利用K-均值聚类算法对图像进行聚类分析，将图像数据库分为K类；

步骤S3：利用主成分分析算法对分为K类的图像数据库中的分类图像进行处理，得到主成分分析图像；

步骤S4：根据性能指标估计主成分分析图像，选取效果最好的图像。

2.根据权利要求1所述的图像识别方法，其特征在于，所述步骤S1具体包括：

步骤S11：通过图像采集设备采集图像；

步骤S12：对所获取的图像进行尺寸大小归一化；

步骤S13：建立图像数据库。

3.根据权利要求2所述的图像识别方法，其特征在于，所述步骤S2具体包括：

步骤S21：统计图像数据库中每一幅图像的波段数和像素数，并将其表示为一个矩阵X；

步骤S22：根据主成分分析算法的需求输入指定数目的聚类类数N；

步骤S23：在初始矩阵X中随机选取N个对象作为初始聚类中心；

步骤S24：根据每个聚类的中心，计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分，形成一类；

步骤S25：更新聚类中心，然后以每一类的平均向量作为新的聚类中心，重新分配数据对象；

步骤S26：反复迭代，直到满足每个聚类不再发生变化为止。

4.根据权利要求3所述的图像识别方法，其特征在于，所述步骤S3具体包括：

步骤S31：选取新获得的聚类中心作为新的输入样本；

步骤S32：利用高斯核函数和新输入的样本计算核矩阵K，核矩阵K的计算公式为：

式中，x_i,x_j为样本向量，c表示输入的样本数量，表示对样本向量的非线性变换，k(·)表示高斯核函数；

步骤S33：对核矩阵K进行归一化处理得到归一化之后的核矩阵K′:

K′＝(K-A_cK-KA_c+A_cKA_c)_ij

式中，A_c是一个c×c矩阵，(A_c)_ij＝1/c；

步骤S34：分别计算归一化之后的核矩阵K′的特征值和特征向量，并对特征向量进行归一化处理；

步骤S35：将特征值按照从大到小的顺序进行排列，选择前r个非零的特征值对应的特征向量α_i作为主分量；

步骤S36：将特征空间中所有的光谱向量映射到与第r个特征值对应的特征向量V_r，映射公式为：

步骤S37：将所得向量恢复为图像，得到第r幅主成分图像，依次得到所有的主成分图像。

5.根据权利要求4所述的图像识别方法，其特征在于，所述步骤S4具体包括：

步骤S41：分别计算各主成分数据的方差，并对其标准化处理；

步骤S42：计算每一分量标准方差的比例；

步骤S43：根据得到的比例大小选择出效果最好的图像。