条件：
[0126] 本发明的仿真实验是在配置为core i3 2. 30GHZ，内存2G，WINDOWS 7系统的计算 机上使用Matlab R2009a进行的。
[0127] 2.仿真内容：
[0128] 图3为本发明的仿真图。其中图3(a)是一幅在图像处理技术领域的仿真实验中 常用的人工合成SAR图像。图3 (b)是对图3 (a)的人工合成SAR图像添加标准差为0. 05 的高斯噪声后获得的图像。采用现有技术的经典模糊C聚类图像分割方法对图3(b)进行 分割，分割后的结果如图3(c)所示。采用本发明的基于均值漂移和邻域信息的模糊C均值 图像分割方法对图3(b)进行分割，分割后的结果如图3(d)所示。
[0129] 3.仿真结果分析：
[0130] 从图3(c)和图3(d)中可以看出，运用经典模糊C聚类图像分割方法和本发明的 方法对图3(b)进行分割时，都能得到正确的分割数目。但是，对比图3(c)和图3(d)两图 可以发现，图3(c)中分割图像的噪声仍然存在，而且图3(c)的图像边缘没有图3(d)的图 像边缘清晰；图3 (d)中图像噪声很少，边缘清晰，区域一致性高，说明本文提出的基于均值 漂移和邻域信息的模糊C均值图像分割方法可以得到边缘清晰的分割结果，而且图像分割 过程对噪声的鲁棒性较好。
[0131] 表1人工合成图像不同噪声的分割精确度SA(% )
[0133] 表1是图3 (a)添加不同强度的高斯噪声，椒盐噪声以及两种噪声的混合噪声时 对比方法和本发明方法得到的分割精确度。高斯噪声1，高斯噪声2,高斯噪声3是均值为 〇,标准差为〇. 05,0. 1和0. 15的高斯噪声。椒盐噪声1，椒盐噪声2,椒盐噪声3是强度为 0. 05,0. 1和0. 15的噪声，混合噪声是高斯噪声1和椒盐噪声1的混合。从表1中可以看 出，图像添加椒盐噪声1时，对比方法和本发明提出的方法均可以得到理想的分割正确率， 但随着噪声强度的增大，本发明提出的方法的分割正确率的下降幅度小于对比方法；图像 添加标准差不同的高斯噪声时，对比方法的分割正确率很低，而本发明提出的方法的分割 精确度均在98%以上。所以，本发明提出的方法对含噪声图像的分割可以取得理想的结果， 对图像分割过程中噪声的鲁棒性更好。
【主权项】
1. 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，实现步骤如下： (1) 输入一幅待分割图像； (2) 采用均值漂移算法，计算聚类数目和初始聚类中心： (3) 初始化： 将初始循环次数设为〇,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； (4) 计算待分割图像中邻域图像块的权值： (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； (4b)计算每一个邻域图像块中像素点灰度值的方差值； (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； (4d)将每一个邻域图像块的权值归一化； (5) 计算待分割图像中每一个像素点的加权模糊因子权值： (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； (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； (5c)按照下式，计算待分割图像中每一个像素点的加权模糊因子权值； Wi = W ! * W2 其中，Wl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，Wi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； (6) 聚类迭代： (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； (6b)对待分割图像中每一个像素点的隶属度进行平滑处理； 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：AT，PV* ; |/」、邪切間裂大ΤH、」诫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，Nl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； 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：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，I·I表示求绝对值操作，Xl表示待分割图像中第i个像素点的灰度值，Χηι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，s1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； 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：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表示求和操作，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，队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，ai]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，ai]e[〇, 1]，a ^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； (6c)按照下式，计算当前迭代次数的待分割图像聚类中心：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 害_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'^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，队表示待分 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，w1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； (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； (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； (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); (8) 产生分割图像： (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； (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； (8c)显示待分割图像中的所有的类，完成图像分割。2. 根据权利要求1所述的基于均值漂移和邻域信息的模糊C均值图像分割方法，其特 征在于：步骤（2)中所述的均值漂移算法的具体步骤如下； 第1步，将输入的待分割图像中每个像素点的权值设为-1 ; 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； 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：其中，m(x)表示当前聚类中心点漂移