示聚类中心中第k类的标号，m表示模糊指数，取值为2, 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,N1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的集合，W 1表示待分割图像中第i个 像素点的加权模糊因子的权值，&表示待分割图像中第i个像素点的邻域内第j个像素点 的灰度值；
[0039] (6d)用当前迭代次数的待分割图像聚类中心灰度值替换待分割图像聚类中心灰 度值，得到新的待分割图像聚类中心灰度值；
[0040] (6e)用新的待分割图像聚类中心灰度值减去替换前的待分割图像聚类中心灰度 值，得到一个差值矩阵，再将差值矩阵中每个元素取绝对值，得到差值绝对值矩阵；
[0041] (7)判断差值绝对值矩阵中的元素值是否满足迭代停止条件，若是，则执行步骤 (8)，否则，将聚类迭代中的迭代次数加1，执行步骤（6);
[0042] (8)产生分割图像：
[0043] (8a)从待分割图像像素点的隶属度矩阵中找出待分割图像中每个像素点所在列 中的最大隶属度，将该最大隶属度在隶属度矩阵中位置的行标号，作为该最大隶属度所对 应的像素点的类标号；
[0044] (8b)将聚类中心中每一类的灰度值作为该类内所有像素点的灰度值；
[0045] (8c)显示待分割图像中的所有的类，完成图像分割。
[0046] 本发明与现有技术相比具有以下优点：
[0047] 第一，由于本发明在图像分割的过程中，采用了均值漂移算法，得到了初始的聚类 中心和聚类数目，克服了现有技术由于聚类中心的随机性导致的对初始聚类中心点很敏感 和易陷入局部最优的缺点，使得本发明的聚类过程能收敛于全局最优，得到合理的分割图 像。
[0048] 第二，由于本发明在聚类过程中用待分割图像像素点的邻域图像块代替传统的模 糊C均值聚类方法中的像素点，且在该方法的目标函数中引入了包含邻域信息的加权模糊 因子，能够充分的利用邻域信息，使得图像的细节被充分考虑，从而能够分割密度分布不均 衡的数据集，也提高了本发明图像分割的精度。
[0049] 第三，由于本发明在聚类迭代过程中使用待分割图像像素点的邻域信息对待分割 图像中像素点的隶属度进行平滑，降低了噪声对分割结果的影响，使得本发明在分割过程 中对噪声敏感度下降，提高了分割过程对噪声的鲁棒性。
【附图说明】
[0050] 图1为本发明的流程图；
[0051] 图2为本发明的均值漂移算法的流程图；
[0052] 图3为本发明的仿真图。
【具体实施方式】
[0053] 下面结合附图对本发明做进一步的详细描述。
[0054] 参照附图1，对本发明实现的具体步骤做进一步的详细描述。
[0055] 步骤1.输入一幅待分割图像。
[0056] 在本发明实施例中，输入一幅大小为244*244个像素单位的待分割图像，获得该 图像像素点的灰度分布矩阵。
[0057] 步骤2.采用均值漂移算法，计算聚类数目和初始聚类中心。
[0058] 参照附图2,对本发明均值漂移算法的具体步骤做进一步的详细描述。
[0059] 第1步，将输入的待分割图像中每个像素点的权值设为-1。
[0060] 第2步，从输入的待分割图像中任选一个未标记的像素点作为聚类中心点。
[0061] 第3步，按照下式，计算当前聚类中心点漂移后的聚类中心的灰度值。
[0063] 其中，m(x)表示当前聚类中心点漂移后的聚类中心的灰度值，i表示待分割图像 中第i个像素点的标号，Σ表示求和操作，η表示待分割图像中像素点的数目，X表示初始聚 类中心点的灰度值，X 1表示待分割图像中第i个像素点的灰度值，k( ·)表示高斯核函数， g(·)表示高斯核函数梯度的相反数，M · I I表示求欧氏距离操作，h表示正比于单位矩阵 的带宽矩阵，带宽矩阵的系数为20。
[0064] 第4步，用当前聚类中心点的灰度值减去漂移后的聚类中心点的灰度值，得到一 个差值，再将差值取绝对值。
[0065] 第5步，判断绝对值是否小于迭代停止阈值0. 01，若是，则执行第6步，否则，用漂 移后的中心点替换当前的聚类中心点，执行第3步。
[0066] 第6步，将待分割图像中像素点灰度值处于当前聚类中心点灰度值和漂移后聚类 中心点灰度值之间的像素点的权值标记为1，将待分割图像中像素点灰度值处于当前聚类 中心点灰度值和漂移后的聚类中心点灰度值之间的像素点划分到同一类，将漂移后的聚类 中心点作为该类的聚类中心点。
[0067] 第7步，将聚类数目加 1，统计所有待分割图像中像素点权值为1的像素点的数目。
[0068] 第8步，将像素点数目预定值设为比待分割图像中像素点的数目小于200的一个 数。
[0069] 第9步，判断统计的像素点数目是否大于等于像素点数目预定值，若是，则执行第 10步，否则，执行第1步。
[0070] 第10步，输出聚类数目和聚类中心点的灰度值。
[0071] 本发明实例通过均值漂移算法得出的聚类数目为4,初始聚类中心Vl = [0, 85, 170, 255]。
[0072] 步骤3.初始化。
[0073] 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。
[0074] 本发明的实施例是将聚类数目设为4,初始聚类中心设为Vl = [0, 85, 170, 255]。
[0075] 步骤4.计算待分割图像中邻域图像块的权值。
[0076] 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，对待分割图像中的每一个像素点进行求邻域图 像块的操作，得到所有像素点的邻域图像块。
[0077] 按照下式，计算每一个邻域图像块中像素点灰度值的方差值：
[0079] 其中，δ i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方 差值，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 中第j个像素点的标号，Σ表示求和符号，{·}表示元素集合符号，e表示属于符号，队表 示待分割图像中第i个像素点的邻域中所有像素点的集合， X]表示待分割图像中第i个像 素点的邻域内第j个像素点的灰度值，X1表示待分割图像中第i个像素点的灰度值。
[0080] 按照下式，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：
[0082] 其中，&表示将待分割图像中第i个像素点的邻域图像块中所有像素点灰度值的 方差投影到高斯核空间后的值，i表示待分割图像中第i个像素点的标号，exp( ·)表示指 数操作，S i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方差值， Σ表示求和操作，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个像素点的邻域图像 块中所有像素点的集合，S ,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 的邻域图像块中所有像素点灰度值的方差值。
[0083] 按照下式，将每一个邻域图像块的权值归一化：
[0085] 其中，W1表示待分割图像中第i个像素点的邻域图像块的权值，i表示待分割图像 中第i个像素点的标号，◎表示将待分割图像中第i个像素点的邻域图像块中所有像素点 灰度值的方差投影到高斯核空间后的值，Σ表示求和操作，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个像素点的邻域图像块中所有像素点的集合，？/表示将待分割图像中第 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 高斯核空间后的值。
[0