基于鄰域信息熵的核模糊c均值圖像分割算法
【專利摘要】基于鄰域信息熵的核模糊C均值圖像分割方法。本發(fā)明對(duì)灰度圖像的分割起到指導(dǎo)作用，其特征是：(1)借助鄰域信息熵來提取像素點(diǎn)的鄰域信息；(2)利用核策略解決線性不可分問題；(3)通過結(jié)合鄰域像素點(diǎn)灰度值變異系數(shù)，提高了算法的去噪聲能力。該發(fā)明簡單易行，在各種噪聲環(huán)境下都表現(xiàn)出強(qiáng)的魯棒性，且有強(qiáng)的保存圖像細(xì)節(jié)紋理的能力。
【專利說明】
基于鄰域信息熵的核模糊C均值圖像分割算法
技術(shù)領(lǐng)域：
[0001 ]本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域，具體地說是一種新的圖像分割方法。
【背景技術(shù)】：
[0002] 隨著計(jì)算機(jī)的性能不斷提高和圖像分析市場需求的增大，圖像分割作為最基礎(chǔ)的 圖像處理技術(shù)引起越來越多的關(guān)注，并在智能監(jiān)控、人機(jī)交互、軍事利用、醫(yī)療等領(lǐng)域都具 有極為廣泛的應(yīng)用前景。
[0003] 圖像分割是圖像處理的重要環(huán)節(jié)，對(duì)圖像分割的研究對(duì)衛(wèi)星遙控和國防安全等許 多領(lǐng)域都可以起到指導(dǎo)作用。

【發(fā)明內(nèi)容】
：
[0004] 本發(fā)明的目的是為構(gòu)建一種具有較高應(yīng)用價(jià)值、簡單易行的灰度圖像分割方法。
[0005] 本發(fā)明通過計(jì)算像素點(diǎn)鄰域灰度值變異系數(shù)，提取像素點(diǎn)鄰域信息，聯(lián)合鄰域信 息熵和高斯核函數(shù)以提升分割的效果。對(duì)不同噪聲環(huán)境下的灰度圖像進(jìn)行分割的實(shí)驗(yàn)結(jié)果 表明，與多種其他算法相比，該方法有更強(qiáng)的去噪聲能力，在各種復(fù)雜噪聲環(huán)境下都表現(xiàn)出 較強(qiáng)的魯棒性，且有很好的保留原圖像細(xì)節(jié)的能力。
[0006] 具體的技術(shù)方案如下：
[0007] (1)確定聚類數(shù)目C、模糊指數(shù)m，鄰域大小&及最大迭代次數(shù)T和閾值；
[0008] (2)隨機(jī)地確定初始聚類中心，并令迭代計(jì)數(shù)器t = 0;
[0009] (3)計(jì)算鄰域像素變異系數(shù)wlk與鄰域信息熵Elk;
[0010] (4)依S來更新隸屬度矩陣V; 1=1
[0011] (5)根據(jù)
計(jì)算聚類中心并得到矩陣U;
[0012] (6)根據(jù)當(dāng)前V和U，計(jì)算目標(biāo)函數(shù)的值，若迭代次數(shù)大于T或者相鄰兩次目標(biāo)函數(shù) 值的差的絕對(duì)值小于閾值ε，則達(dá)到收斂條件，分割過程終止;否則，令t = t+1，轉(zhuǎn)(2)。
[0013] 本發(fā)明的有益效果是：
[0014] 1、建立一種基于鄰域信息熵的核模糊C均值圖像分割方法
[0015] 2、本發(fā)明簡單易行，在圖像受較大噪聲污染，且有多種噪聲同時(shí)污染的情況下能 夠都表現(xiàn)出強(qiáng)的去噪聲能力，并且有很好的保留原圖像細(xì)節(jié)能力，應(yīng)用廣泛，對(duì)于圖像分割 技術(shù)有可參考和應(yīng)用的價(jià)值，起到指導(dǎo)作用。
[0016] 本發(fā)明的適用于需要圖像分割的各個(gè)領(lǐng)域，可以為衛(wèi)星遙控部門提供參考，起到 指導(dǎo)作用。
【附圖說明】：
[0017] 圖1為本發(fā)明對(duì)人工合成圖像1先加上椒鹽(0.45)噪聲再加上高斯(0,0.04)噪聲 的分割結(jié)果圖；
[0018] 圖2為本發(fā)明對(duì)各算法對(duì)人工合成圖像1的分割精度比較。
【具體實(shí)施方式】：
[0019]下面結(jié)合附圖和實(shí)例進(jìn)一步說明本發(fā)明的實(shí)質(zhì)內(nèi)容，但本發(fā)明的內(nèi)容并不限于 此。
[0020] 實(shí)施例1:
[0021] 獲得待分割圖像并確定圖像應(yīng)該分割的類數(shù)，初始化模糊指數(shù)m，鄰域大小化、最 大迭代次數(shù)T和閾值；同時(shí)隨機(jī)初始化聚類中心向量令迭代計(jì)數(shù)器為0。計(jì)算圖像中每個(gè)像 素點(diǎn)的鄰域像素變異系數(shù)W lk和鄰域信息熵Elk;根據(jù)由目標(biāo)函數(shù)推導(dǎo)出的類中心迭代公式 和隸屬度迭代公式，每次迭代更新兩者的值，直到迭代次數(shù)大于T或者相鄰兩次目標(biāo)函數(shù)值 差的絕對(duì)值小于閾值ε，則達(dá)到收斂條件，計(jì)算結(jié)束;否則繼續(xù)迭代下去直至收斂。
【主權(quán)項(xiàng)】
1. 基于鄰域信息熵的核模糊C均值圖像分割方法。本發(fā)明對(duì)灰度圖像分割起到指導(dǎo)作 用，給后續(xù)的圖像處理工作提供基礎(chǔ)。其特征在于： (1) 計(jì)算像素點(diǎn)鄰域信息熵，提升了算法保留圖像細(xì)節(jié)和去噪聲的能力； (2) 利用高維空間的核距離代替原算法中簡單的歐式距離，以解決原算法的線性不可 分問題； (3) 利用像素點(diǎn)鄰域像素點(diǎn)灰度值變異系數(shù)來進(jìn)一步提升算法的去噪聲能力。2. 根據(jù)權(quán)利要求1所述的基于鄰域信息熵的核模糊C均值圖像分割方法，其特征在于： 計(jì)算像素點(diǎn)鄰域像素變異系數(shù)，提取像素點(diǎn)的鄰域信息，從而能增加算法的去噪聲能力。3. 根據(jù)權(quán)利要求1所述的基于鄰域信息熵的核模糊C均值圖像分割方法，其特征在于： 計(jì)算了像素點(diǎn)的鄰域信息熵，結(jié)合鄰域像素變異系數(shù)唯一的標(biāo)記了鄰域像素點(diǎn)對(duì)中間點(diǎn)的 影響因子，從而提升算法的保留圖像細(xì)節(jié)能力。4. 根據(jù)權(quán)利要求1所述的基于鄰域信息熵的核模糊C均值圖像分割方法，其特征在于： 用高斯核距離代替原算法中簡單的歐式距離，以解決算法中線性不可分問題，提升算法的 圖像分割性能。
【文檔編號(hào)】G06K9/62GK105976373SQ201610294972
【公開日】2016年9月28日
【申請(qǐng)日】2016年5月5日
【發(fā)明人】陳秀宏, 肖林云, 林喜蘭
【申請(qǐng)人】江南大學(xué)