專利名稱：圖像分割方法、圖像處理設(shè)備及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及圖像分割方法、圖像處理設(shè)備及系統(tǒng)。
背景技術(shù)：
圖像分割是獲得圖像信息的重要途徑，是進(jìn)行圖像理解的基礎(chǔ)，是圖像工 程技術(shù)的重要問題。模糊神經(jīng)網(wǎng)絡(luò)是模糊技術(shù)與人工神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合的產(chǎn) 物，是人工智能的一個熱點研究領(lǐng)域，在人臉識別、語音識別、圖像處理等諸 多方面有著廣泛的應(yīng)用，是解決圖像分割問題的理想工具。
由于模糊神經(jīng)網(wǎng)絡(luò)受網(wǎng)絡(luò)參數(shù)設(shè)置的影響較大，目前在現(xiàn)有技術(shù)中一般采 用 一個神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行分割，并且設(shè)置一組網(wǎng)絡(luò)參數(shù)對分割進(jìn)行控制。
發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)明現(xiàn)有技術(shù)存在如下不足之處 現(xiàn)有技術(shù)中僅采用 一個神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行分割，僅設(shè)置一組網(wǎng)絡(luò)參數(shù)對 分割進(jìn)行控制，參數(shù)設(shè)置的不好，圖像分割的結(jié)果就可能不理想，但是這些參 數(shù)不好設(shè)置，幾乎不可能得到很好的參數(shù)，使得分割算法受到參數(shù)設(shè)置的限制 很大，算法的優(yōu)勢難以充分發(fā)揮，分割精度不高，分割的效果有待進(jìn)一步提高。

發(fā)明內(nèi)容
本發(fā)明實施例提供一種圖像分割方法、圖像處理設(shè)備及系統(tǒng)，用以提高提 高圖像分割的精度，獲得更好的分割結(jié)果；利用模糊技術(shù)的優(yōu)點，更好的集成 各個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果。
本發(fā)明實施例提供一種圖像分割方法，該方法包括
分別利用多個才莫糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割，獲得每個模糊神經(jīng)網(wǎng)絡(luò)
對輸入圖像的分割結(jié)果；
將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合處理。
本發(fā)明實施例還提供一種圖像處理設(shè)備，包括
分割模塊，用于分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割，獲得每 個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果；
融合模塊，用于將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合 處理。
本發(fā)明實施例還提供一種圖像處理設(shè)備，包括
隸屬度矩陣建立單元，用于根據(jù)每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割后 輸入圖像中所有像素點的隸屬度，建立輸入圖像中所有像素點的隸屬度矩陣；
平均互信息獲取單元，用于根據(jù)所述隸屬度矩陣、輸入圖像中的像素點數(shù) 目、輸入圖像的類別數(shù)目、分割所采用的模糊神經(jīng)網(wǎng)絡(luò)數(shù)目，獲得每個模糊神 經(jīng)網(wǎng)絡(luò)的平均互信息；
融合后隸屬度獲取單元，用于根據(jù)所述隸屬度矩陣、平均互信息，獲得所 述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合后輸入圖像中所有像素 點的隸屬度；
像素點類別獲取單元，用于將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié) 果進(jìn)行融合后輸入圖像中所有像素點的隸屬度進(jìn)行加權(quán)處理，獲得輸入圖像中 每個像素點的類別；
融合處理單元，用于按輸入圖像中每個像素點的類別對輸入圖像進(jìn)行融合 處理。
本發(fā)明實施例中，分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割，獲得 每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果；將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖 像的分割結(jié)果進(jìn)行融合處理，可以針對每個模糊神經(jīng)網(wǎng)絡(luò)設(shè)置一組參數(shù)，在設(shè) 置多組參數(shù)的基礎(chǔ)上，利用融合技術(shù)得到一個最終的分割結(jié)果，與現(xiàn)有技術(shù)中 單獨使用 一個模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分割的技術(shù)方案相比，可以提高圖像分割
的精度，減小參數(shù)設(shè)置對分割結(jié)果的影響，獲得更好的分割結(jié)果。
將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合處理時，利用了 模糊技術(shù)的優(yōu)點，可以更好的集成各個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果。


圖1為本發(fā)明實施例中對圖像進(jìn)行分割時的處理流程圖； 圖2為本發(fā)明實施例中將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融 合處理的流程圖3A、圖3B、圖3C、圖3E、圖3F為本發(fā)明實施例中圖像處理系統(tǒng)的結(jié) 構(gòu)示意圖3D為本發(fā)明實施例中融合模塊的結(jié)構(gòu)示意圖； 圖4為本發(fā)明實施例中圖像處理設(shè)備的結(jié)構(gòu)示意圖。
具體實施例方式
下面結(jié)合說明書附圖對本發(fā)明實施例進(jìn)行詳細(xì)說明。
如圖l所示，本發(fā)明實施例中，對圖像進(jìn)行分割時的處理流程如下
步驟ll、分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割，獲得每個模糊
神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果。
步驟12、將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合處理。 一個實施例中，在步驟11之前，可以對輸入圖像進(jìn)行預(yù)處理，預(yù)處理可
以包括平滑、濾波去噪、設(shè)置輸入圖像的類別數(shù)目K、分割所采用的模糊神經(jīng)
網(wǎng)絡(luò)數(shù)目M其中之一或任意組合。
一個實施例中，步驟11之前還可以設(shè)置每個模糊神經(jīng)網(wǎng)絡(luò)的初始參數(shù)。 分割所采用的多個模糊神經(jīng)網(wǎng)絡(luò)可以是完全不同的模糊神經(jīng)網(wǎng)絡(luò)，使用不
同的模糊聚類算法，其中對每個模糊神經(jīng)網(wǎng)絡(luò)選擇相同或不同的初始化參數(shù)。
分割所采用的多個模糊神經(jīng)網(wǎng)絡(luò)也可以同一種模糊神經(jīng)網(wǎng)絡(luò)，使用同一種模糊
聚類算法，但需對每個模糊神經(jīng)網(wǎng)絡(luò)選擇不同的初始化參數(shù)，總之，需要保證 這M種模糊聚類算法不完全相同，本文僅以使用同一種模糊聚類算法、對每個
模糊神經(jīng)網(wǎng)絡(luò)選擇不同的初始化參數(shù)為例進(jìn)行說明。
一個實施例中，設(shè)置的初始參數(shù)可以是學(xué)習(xí)速率，也可以是步長。 可以使用多種模糊神經(jīng)網(wǎng)絡(luò)，如模糊自組織特征映射網(wǎng)絡(luò)、模糊BP (Back-Propogation,反向4專4番)網(wǎng)纟各等。
一個實施例中，可以分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像中每個像素點
的顏色分量、所在位置進(jìn)行處理，獲得每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割
后輸入圖像中所有像素點的隸屬度。
實施中，可以將輸入圖像中每個像素點表示為一個五維向量[凡G，萬J，W作 為模糊神經(jīng)網(wǎng)絡(luò)的輸入，輸入到各個模糊神經(jīng)網(wǎng)絡(luò)中，輸出得到每個模糊神經(jīng) 網(wǎng)絡(luò)對輸入圖像進(jìn)行分割后輸入圖像中所有像素點的隸屬度。其中，及，G，S分 別代表該像素點的紅色、綠色、藍(lán)色分量值，^少代表該像素點在輸入圖像中 的位置，輸入圖像中第z'個像素點屬于分割結(jié)果中的第7個類別的隸屬度為
A(x'),即第Z個像素點屬于第J'個類別的可能性。
如圖2所示， 一個實施例中，將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果 進(jìn)4亍融合處理的流#呈如下
步驟21 、根據(jù)每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割后輸入圖像中所有像 素點的隸屬度，建立輸入圖像中所有像素點的隸屬度矩陣。實施中，隸屬度矩 陣可以表示為W化)]"w, ^U，…,M，其中N表示圖像中像素點的數(shù)目。
步驟22、根據(jù)隸屬度矩陣、輸入圖像中的像素點數(shù)目、輸入圖像的類別數(shù) 目、分割所采用的模糊神經(jīng)網(wǎng)絡(luò)數(shù)目，獲得每個模糊神經(jīng)網(wǎng)絡(luò)的平均互信息。 平均互信息指示各個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果包含與多個模糊神 經(jīng)網(wǎng)絡(luò)中其它模糊神經(jīng)網(wǎng)絡(luò)相同或不同的數(shù)據(jù)信息的數(shù)量。
實施中，可以按如下公式計算每個模糊神經(jīng)網(wǎng)絡(luò)的平均互信息^:
丸的值越大，表示第i個神經(jīng)網(wǎng)絡(luò)的分割結(jié)果所包含的與其他神經(jīng)網(wǎng)絡(luò)的 不同的信息就越少，則該神經(jīng)網(wǎng)絡(luò)的對于融合結(jié)果的貢獻(xiàn)越小。
步驟23、根據(jù)隸屬度矩陣、平均互信息，獲得多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖
像的分割結(jié)果進(jìn)行融合后輸入圖像中所有像素點的隸屬度。
實施中，可以按如下公式計算融合后輸入圖像中所有像素點的隸屬度 "乂、'臺①，，z、l,2，…,7V， 7. = 1,2,...，〖
步驟24、將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合后輸入圖4象 中所有像素點的隸屬度進(jìn)行加權(quán)處理，獲得輸入圖像中每個像素點的類別。
實施中，輸入圖像中像素點《的類別可以表示為
c(x,.)二argmax(A.(Xj》
乂
步驟25、按輸入圖像中每個像素點的類別對輸入圖像進(jìn)行融合處理。
圖2所示流程利用了模糊技術(shù)對將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié) 果進(jìn)行融合處理，每個像素點屬于哪個類別是用概率來表示的，相對于一般的 確定性技術(shù)中每個像素點屬于哪個類別是直接簡單的表達(dá)成1和0，用概率表 示更有利于分割結(jié)果的融合，利用概率值會得到更好的分割結(jié)果。
一個實施例中，由于各個模糊神經(jīng)網(wǎng)絡(luò)是分別對輸入圖像進(jìn)行分割的，因 此得到的分割結(jié)果中類別標(biāo)記的順序可能不同。此時，需要將多個模糊神經(jīng)網(wǎng) 絡(luò)對輸入圖像的分割結(jié)果中類別標(biāo)記的順序進(jìn)行配準(zhǔn)，配準(zhǔn)可以采用多種方 法， 一個對輸入圖像的分割結(jié)果中類別標(biāo)記的順序進(jìn)行配準(zhǔn)的實例如下
將第 一個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果作為基準(zhǔn)，設(shè)其像素點的類
別標(biāo)記分別為《"，C^…，^ (即屬于第i類的像素點標(biāo)記為c'('))。設(shè)其它模糊 神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果中，第t個模糊神經(jīng)網(wǎng)絡(luò)的分割結(jié)果的類別標(biāo)
記為e，^，…，^，計算其中任意一個類別標(biāo)記《')，h1，2，…,，與第一個圖 像分割的結(jié)果的第k類的類別標(biāo)記"對應(yīng)的隸屬度的距離如下
根據(jù)上述公式計算出"(i),"p),…w"中最大值"w,則cr的類別標(biāo)記應(yīng)設(shè)
一個實施例中，將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合處理 之后，可以對融合結(jié)果進(jìn)行后處理，所述后處理包括去除噪聲點(如孤立點)、 合并局部區(qū)域(如面積很小的區(qū)域)等，得到最終的分割結(jié)果。
基于同一發(fā)明構(gòu)思，本發(fā)明實施例還提供一種圖像處理系統(tǒng)，其結(jié)構(gòu)如圖 3A所示，包括分割模塊31，用于分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn) 行分割，獲得每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果；融合模塊32，用于將 多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合處理。
如圖3B所示，圖3A所示的圖像處理系統(tǒng)還可以包括預(yù)處理模塊33, 用于在分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割之前，對輸入圖像進(jìn)行 預(yù)處理，預(yù)處理包括平滑、濾波去噪、設(shè)置輸入圖像的類別數(shù)目、分割所采用 的模糊神經(jīng)網(wǎng)絡(luò)數(shù)目其中之一或任意組合。
如圖3C所示，圖3A所示的圖像處理系統(tǒng)還可以包括初始化才莫塊34， 用于在分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割之前，設(shè)置每個模糊神 經(jīng)網(wǎng)絡(luò)的初始參數(shù)。
一個實施例中，初始化^^塊34還可以用于在分割所采用的多個it糊神經(jīng) 網(wǎng)絡(luò)為不同的模糊神經(jīng)網(wǎng)絡(luò)時，對每個模糊神經(jīng)網(wǎng)絡(luò)設(shè)置相同或不同的初始參 數(shù)；在分割所采用的多個模糊神經(jīng)網(wǎng)絡(luò)為同一模糊神經(jīng)網(wǎng)絡(luò)時，對每個模糊神 經(jīng)網(wǎng)絡(luò)設(shè)置不同的初始參數(shù)。
一個實施例中，分割模塊31還可以用于分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸 入圖像中每個像素點的顏色分量、所在位置進(jìn)行處理，獲得每個模糊神經(jīng)網(wǎng)絡(luò) 對輸入圖像進(jìn)行分割后輸入圖像中所有像素點的隸屬度。 如圖3D所示，融合才莫塊32可以包4舌
隸屬度矩陣建立單元321，用于根據(jù)每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分 割后輸入圖像中所有像素點的隸屬度，建立輸入圖像中所有像素點的隸屬度矩
陣；
平均互信息獲取單元322,用于根據(jù)隸屬度矩陣、輸入圖像中的像素點數(shù) 目、輸入圖像的類別數(shù)目、分割所采用的模糊神經(jīng)網(wǎng)絡(luò)數(shù)目，獲得每個模糊神 經(jīng)網(wǎng)絡(luò)的平均互信息；
融合后隸屬度獲取單元323,用于根據(jù)隸屬度矩陣、平均互信息，獲得多 個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合后輸入圖像中所有像素點的 隸屬度；
像素點類別獲取單元324，用于將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié) 果進(jìn)行融合后輸入圖像中所有像素點的隸屬度進(jìn)行加權(quán)處理，獲得輸入圖像中 每個像素點的類別；
融合處理單元325,用于按輸入圖像中每個像素點的類別對輸入圖像進(jìn)行 融合處理。
如圖3E所示，圖3A所示的圖像處理系統(tǒng)還可以包括類別標(biāo)記配準(zhǔn)模 塊35,用于在將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合處理之前， 將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果中類別標(biāo)記的順序進(jìn)行配準(zhǔn)。
如圖3F所示，圖3A所示的圖像處理系統(tǒng)還可以包括后處理模塊36， 用于在將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合處理之后，對融合 結(jié)果進(jìn)行后處理，后處理包括去除噪聲點、合并局部區(qū)域。
基于同一發(fā)明構(gòu)思，本發(fā)明實施例還提供一種圖像處理設(shè)備，其結(jié)構(gòu)如圖 4所示，包括
隸屬度矩陣建立單元321,用于根據(jù)每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分 割后輸入圖像中所有像素點的隸屬度，建立輸入圖像中所有像素點的隸屬度矩 陣；
平均互信息獲取單元322，用于根據(jù)隸屬度矩陣、輸入圖像中的像素點數(shù) 目、輸入圖像的類別數(shù)目、分割所采用的模糊神經(jīng)網(wǎng)絡(luò)數(shù)目，獲得每個模糊神
經(jīng)網(wǎng)絡(luò)的平均互信息；
融合后隸屬度獲取單元323，用于根據(jù)隸屬度矩陣、平均互信息，獲得多 個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合后輸入圖像中所有像素點的 隸屬度；
像素點類別獲取單元324，用于將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié) 果進(jìn)行融合后輸入圖像中所有像素點的隸屬度進(jìn)行加權(quán)處理，獲得輸入圖像中 每個像素點的類別；
融合處理單元325,用于按輸入圖像中每個像素點的類別對輸入圖像進(jìn)行 融合處理。
觀鳳賞通儀盡八w可。 以通過程序來指令相關(guān)的硬件完成，該程序可以存儲于一計算機可讀存儲介質(zhì) 中，存儲介質(zhì)可以包括ROM、 RAM、》茲盤或光盤等。
本發(fā)明實施例中，分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割，獲得 每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果；將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的 分割結(jié)果進(jìn)行融合處理，可以針對每個模糊神經(jīng)網(wǎng)絡(luò)設(shè)置一組參數(shù)，在設(shè)置多 組參數(shù)的基礎(chǔ)上，利用融合技術(shù)得到一個最終的分割結(jié)果，與現(xiàn)有技術(shù)中單獨 使用 一個模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分割的技術(shù)方案相比，可以提高圖像分割的精 度，減小參數(shù)設(shè)置對分割結(jié)果的影響，獲得更好的分割結(jié)果。
將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合處理時，利用了模糊 技術(shù)的優(yōu)點，可以更好的集成各個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果。
明的精神和范圍。這樣，倘若對本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求 及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。
權(quán)利要求
1、一種圖像分割方法，其特征在于，該方法包括分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割，獲得每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果；將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合處理。
2、 如權(quán)利要求1所述的方法，其特征在于，分別利用多個模糊神經(jīng)網(wǎng)絡(luò) 對輸入圖像進(jìn)行分割之前，對輸入圖像進(jìn)行預(yù)處理，所述預(yù)處理包括平滑、濾 波去噪、設(shè)置輸入圖像的類別數(shù)目、分割所采用的模糊神經(jīng)網(wǎng)絡(luò)數(shù)目其中之一 或任意組合。
3、 如權(quán)利要求1所述的方法，其特征在于，分別利用多個模糊神經(jīng)網(wǎng)絡(luò) 對輸入圖像進(jìn)行分割之前，設(shè)置每個模糊神經(jīng)網(wǎng)絡(luò)的初始參數(shù)。
4、 如權(quán)利要求3所述的方法，其特征在于，若分割所釆用的多個模糊神 經(jīng)網(wǎng)絡(luò)為不同的模糊神經(jīng)網(wǎng)絡(luò)，則對每個模糊神經(jīng)網(wǎng)絡(luò)設(shè)置相同或不同的初始 參數(shù)；或，若分割所采用的多個模糊神經(jīng)網(wǎng)絡(luò)為同一模糊神經(jīng)網(wǎng)絡(luò)，則對每個模 糊神經(jīng)網(wǎng)絡(luò)設(shè)置不同的初始參數(shù)。
5、 如權(quán)利要求3所述的方法，其特征在于，所述初始參數(shù)包括學(xué)習(xí)速率 或步長。
6、 如權(quán)利要求1所述的方法，其特征在于，所述模糊神經(jīng)網(wǎng)絡(luò)為模糊自 組織特征映射網(wǎng)絡(luò)或才莫糊反向傳播網(wǎng)絡(luò)。
7、 如權(quán)利要求1所述的方法，其特征在于，分別利用多個才莫糊神經(jīng)網(wǎng)絡(luò) 對輸入圖像進(jìn)行分割，獲得每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果包括分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像中每個像素點的顏色分量、所在位 置進(jìn)行處理，獲得每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割后輸入圖像中所有像 素點的隸屬度。
8、 如權(quán)利要求7所述的方法，其特征在于，將所述多個模糊神經(jīng)網(wǎng)絡(luò)對 輸入圖像的分割結(jié)果進(jìn)行融合處理包括根據(jù)每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割后輸入圖像中所有像素點的 隸屬度，建立輸入圖像中所有像素點的隸屬度矩陣；根據(jù)所述隸屬度矩陣、輸入圖像中的像素點數(shù)目、輸入圖像的類別數(shù)目、 分割所采用的模糊神經(jīng)網(wǎng)絡(luò)數(shù)目，獲得每個模糊神經(jīng)網(wǎng)絡(luò)的平均互信息；根據(jù)所述隸屬度矩陣、平均互信息，獲得所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖 像的分割結(jié)果進(jìn)行融合后輸入圖像中所有像素點的隸屬度；將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合后輸入圖像中 所有像素點的隸屬度進(jìn)行加權(quán)處理，獲得輸入圖像中每個像素點的類別；按輸入圖像中每個像素點的類別對輸入圖像進(jìn)行融合處理。
9、 如權(quán)利要求l所述的方法，其特征在于，將所述多個模糊神經(jīng)網(wǎng)絡(luò)對 輸入圖像的分割結(jié)果進(jìn)行融合處理之前，將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分 割結(jié)果中類別標(biāo)記的順序進(jìn)4亍配準(zhǔn)。
10、 如權(quán)利要求l所述的方法，其特征在于，將所述多個模糊神經(jīng)網(wǎng)絡(luò)對 輸入圖像的分割結(jié)果進(jìn)行融合處理之后，對融合結(jié)果進(jìn)行后處理，所述后處理 包括去除噪聲點、合并局部區(qū)域。
11、 一種圖像處理系統(tǒng)，其特征在于，包括分割模塊，用于分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割，獲得每 個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果；融合模塊，用于將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合處理。
12、 如權(quán)利要求11所述的系統(tǒng)，其特征在于，所述系統(tǒng)進(jìn)一步包括 預(yù)處理模塊，用于在分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割之前，對輸入圖像進(jìn)行預(yù)處理，所述預(yù)處理包括平滑、濾波去噪、設(shè)置輸入圖像 的類別數(shù)目、分割所采用的模糊神經(jīng)網(wǎng)絡(luò)數(shù)目其中之一或任意組合。
13、 如權(quán)利要求11所述的系統(tǒng)，其特征在于，所述系統(tǒng)進(jìn)一步包括 初始化模塊，用于在分別利用多個^t糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割之前，設(shè)置每個才莫糊神經(jīng)網(wǎng)絡(luò)的初始參數(shù)。
14、 如權(quán)利要求13所述的系統(tǒng)，其特征在于，所述初始化模塊進(jìn)一步用 于在分割所采用的多個模糊神經(jīng)網(wǎng)絡(luò)為不同的模糊神經(jīng)網(wǎng)絡(luò)時，對每個模糊神 經(jīng)網(wǎng)絡(luò)設(shè)置相同或不同的初始參數(shù)；在分割所采用的多個模糊神經(jīng)網(wǎng)絡(luò)為同一 模糊神經(jīng)網(wǎng)絡(luò)時，對每個模糊神經(jīng)網(wǎng)絡(luò)設(shè)置不同的初始參數(shù)。
15、 如權(quán)利要求11所述的系統(tǒng)，其特征在于，所述分割模塊進(jìn)一步用于 分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像中每個像素點的顏色分量、所在位置進(jìn) 行處理，獲得每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割后輸入圖像中所有像素點 的隸屬度。
16、 如權(quán)利要求15所述的系統(tǒng)，其特征在于，所述融合模塊包括 隸屬度矩陣建立單元，用于根據(jù)每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割后輸入圖像中所有像素點的隸屬度，建立輸入圖像中所有像素點的隸屬度矩陣； 平均互信息獲取單元，用于根據(jù)所述隸屬度矩陣、輸入圖像中的像素點數(shù)目、輸入圖像的類別數(shù)目、分割所采用的模糊神經(jīng)網(wǎng)絡(luò)數(shù)目，獲得每個模糊神經(jīng)網(wǎng)絡(luò)的平均互信息；融合后隸屬度獲取單元，用于根據(jù)所述隸屬度矩陣、平均互信息，獲得所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合后輸入圖像中所有像素點的隸屬度；像素點類別獲取單元，用于將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié) 果進(jìn)行融合后輸入圖像中所有像素點的隸屬度進(jìn)行加權(quán)處理，獲得輸入圖像中每個像素點的類別；融合處理單元，用于按輸入圖像中每個像素點的類別對輸入圖像進(jìn)行融合 處理。
17、 如權(quán)利要求11所述的系統(tǒng)，其特征在于，所述系統(tǒng)進(jìn)一步包括 類別標(biāo)記配準(zhǔn)模塊，用于在將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié) 果進(jìn)行融合處理之前，將多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果中類別標(biāo)記 的順序進(jìn)行配準(zhǔn)。
18、 如權(quán)利要求11所述的系統(tǒng)，其特征在于，所述系統(tǒng)進(jìn)一步包括 后處理模塊，用于在將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合處理之后，對融合結(jié)果進(jìn)行后處理，所述后處理包括去除噪聲點、合并局 部區(qū)域。
19、 一種圖像處理設(shè)備，其特征在于，包括隸屬度矩陣建立單元，用于根據(jù)每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割后 輸入圖像中所有像素點的隸屬度，建立輸入圖像中所有像素點的隸屬度矩陣；平均互信息獲取單元，用于根據(jù)所述隸屬度矩陣、輸入圖像中的像素點數(shù) 目、輸入圖像的類別數(shù)目、分割所采用的模糊神經(jīng)網(wǎng)絡(luò)數(shù)目，獲得每個模糊神 經(jīng)網(wǎng)絡(luò)的平均互信息；融合后隸屬度獲取單元，用于根據(jù)所述隸屬度矩陣、平均互信息，獲得所 述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合后輸入圖像中所有像素 點的隸屬度；像素點類別獲取單元，用于將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié) 果進(jìn)行融合后輸入圖像中所有像素點的隸屬度進(jìn)行加權(quán)處理，獲得輸入圖像中 每個像素點的類別；融合處理單元，用于按輸入圖像中每個像素點的類別對輸入圖像進(jìn)行融合 處理。
全文摘要
本發(fā)明公開了一種圖像分割方法，該方法包括分別利用多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行分割，獲得每個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果；將所述多個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果進(jìn)行融合處理。本發(fā)明同時公開一種圖像處理設(shè)備和圖像處理系統(tǒng)。采用本發(fā)明可以提高提高圖像分割的精度，獲得更好的分割結(jié)果；利用模糊技術(shù)的優(yōu)點，更好的集成各個模糊神經(jīng)網(wǎng)絡(luò)對輸入圖像的分割結(jié)果。
文檔編號G06T5/00GK101169867SQ20071017872
公開日2008年4月30日 申請日期2007年12月4日 優(yōu)先權(quán)日2007年12月4日
發(fā)明者磊 王 申請人:北京中星微電子有限公司