專利名稱：一種模糊聚類圖像分割方法
技術領域：
本發明涉及一種圖像分割方法，更具體的說是一種具有抗噪性的模糊聚類圖像分割方法。
背景技術：
聚類是將一組給定的未知類別標號的樣本分成內在的多個類別，使得同一類中的樣本具有較高的相似度，而不同類中的樣本差別大。聚類沒有訓練樣本，無需先驗知識，只通過一定的經驗或者事物的特征來進行分類，屬于無監督的(unsupervised)統計方法。模糊聚類是非監督模式識別主要技術之一，在各種聚類算法中，模糊C-均值聚類(FCM)算法的應用最為廣泛。該算法用于圖像分割時是一種非監督模糊聚類后的標記過程，應用時可以減少人為干預，非常適用于圖像中存在不確定性和模糊性的場合。但FCM算法也存在一些缺點，如:對噪聲比較敏感；類中心的位置和特性未知，須進行初始假設；運算開銷大等。這些缺點特別是對噪聲敏感以及運算開銷大使得模糊C-均值聚類算法難以在實際應用中推廣。因此，很有必要改進該算法。發明內容
本發明解決的技術問題是一種抗噪性強、分割速度快的模糊聚類圖像分割方法。
為解決上述技術問題，本發明一種具有抗噪性的模糊聚類圖像分割方法，利用K-means算法對初始圖像進行聚類，獲得K個聚類中心；再將獲得的K個聚類中心作為模糊C-均值聚類算法的初始聚類中心對圖像再進行聚類，實現圖像的分割。
進一步地優選方案，本發明中所述模糊C-均值聚類算法為改進的模糊C-均值聚類算法，其改進點為將中值濾波 添加到模糊C-均值聚類算法的準則函數中獲得新的準則函數，如下:
權利要求
1.一種模糊聚類圖像分割方法，其特征在于，利用κ-means算法對初始圖像進行聚類，獲得K個聚類中心；再將獲得的K個聚類中心作為模糊C-均值聚類算法的初始聚類中心對圖像再進行聚類，實現圖像的分割。
2.根據權利要求1所述的模糊聚類圖像分割方法，其特征在于，所述模糊C-均值聚類算法為改進的模糊C-均值聚類算法，其改進點為將中值濾波添加到模糊C-均值聚類算法的準則函數中獲得新的準則函數，如下:
3.根據權利要求2所述的模糊聚類圖像分割方法，其特征在于，利用改進的模糊C-均值聚類算法進行聚類時，具體為: Α、根據解拉格朗日方程的方法，將(I)式變為:
全文摘要
本發明公開了一種模糊聚類圖像分割方法，利用K-means算法對初始圖像進行聚類，獲得K個聚類中心；再將獲得的K個聚類中心作為模糊C-均值聚類算法的初始聚類中心對圖像再進行聚類，實現圖像的分割，解決了傳統模糊C-均值聚類算法中隨機選取初始聚類中心而使得其計算復雜度高的缺陷同時也提高了分割精度。
文檔編號G06T7/00GK103150731SQ20131007234
公開日2013年6月12日 申請日期2013年3月7日 優先權日2013年3月7日
發明者沈建新, 高瑋瑋 申請人:南京航空航天大學