專利名稱：一種基于減法聚類的快速圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字圖像處理技術(shù)領(lǐng)域，具體來說是一種基于減法聚類的快速圖像分割方法。
背景技術(shù)：
數(shù)字圖像分割是數(shù)字圖像處理領(lǐng)域的一塊重要技術(shù)。圖像分割就是將圖像細分為構(gòu)成它的子區(qū)域或?qū)ο?。常常被當成一個重要環(huán)節(jié)被嵌入機器視覺系統(tǒng)的處理過程中。左均值聚類、模糊c均值聚類經(jīng)常被用于數(shù)字圖像的分割，是大家常用的方法。然而由于左均值聚類和模糊c均值聚類這兩種圖像分割方法對初始的聚類中心很敏感，不同的初始值很 容易得到不同的結(jié)果。由于減法聚類具有獲取初始聚類中心的特點，所以可以和A均值聚類或模糊c均值聚類方法結(jié)合。因此，在對圖像進行分割前，可首先用減法聚類方法獲得初始圖像的像素聚類中心，然后再結(jié)合左均值聚類、模糊c均值聚類對圖像進行分割。近幾年，減法聚類比較常見的應(yīng)用是與模糊c均值聚類結(jié)合，結(jié)合具體應(yīng)用對數(shù)據(jù)進行聚類并對減法聚類做相應(yīng)的改進。然而，現(xiàn)在的數(shù)字圖像很多都是高清，數(shù)據(jù)量大，分割的時間復(fù)雜度高，所以在用減法聚類對數(shù)字圖像進行分割前，需考慮一種能顯著降低時間復(fù)雜度的數(shù)字圖像分割方法。

發(fā)明內(nèi)容
本發(fā)明針對數(shù)字圖像分割時間復(fù)雜度高的問題，提出了一種基于減法聚類的快速圖像分割方法。一種基于減法聚類的快速圖像分割方法，包括
步驟(I)將所有像素點進行歸一化，對等待分割的所有像素進行等間隔均勻采樣后重組。步驟(2)在重組的像素中，計算采樣像素點兩兩之間的密度權(quán)值矩陣及其逆矩陣、采樣像素與剩余未采樣像素之間的密度權(quán)值矩陣。步驟(3)根據(jù)奈斯特龍逼近原理，獲得未采樣像素兩兩之間密度權(quán)值矩陣的逼近矩陣。步驟(4)用步驟(3)生成的未采樣像素兩兩之間的密度權(quán)值矩陣、采樣像素點兩兩之間的密度權(quán)值矩陣以及采樣像素與剩余像素之間的密度權(quán)值矩陣計算所有像素點的密度值。步驟(5)利用步驟(4)得到的所有像素的密度值，計算所有像素的最大密度值并獲得聚類中心，為找出新的聚類中心，根據(jù)減法聚類，對每個像素點的密度值進行衰減，該過程不斷迭代，根據(jù)終止條件停止迭代，從而完成圖像分割。本發(fā)明的有益效果本發(fā)明提供了一種基于減法聚類的快速圖像分割方法。與常用的基于k均值或模糊c均值的分割方法相比，本發(fā)明在不影響分割結(jié)果的情況下，對于較大規(guī)模的圖像，本發(fā)明可從原來的時間復(fù)雜度0(#F2) ■ CKnd2N)，大大提高數(shù)字圖像分割的穩(wěn)定性和實時性，有著廣泛的應(yīng)用前景。


圖I為本發(fā)明的方法流程 圖2為本發(fā)明圖像分割實驗結(jié)果。其中(a) Hestain測試圖(b) Fabric測試圖(C)Hestain經(jīng)典減法聚類分割圖(d) Fabric經(jīng)典減法聚類分割圖(e) Hestain本發(fā)明分割圖(f) Fabric本發(fā)明分割圖。
具體實施例方式以下結(jié)合附圖對本發(fā)明作進一步說明。如圖I所示，一種基于減法聚類的快速圖像分割方法，包括 (I)將所有像素點歸一化到一個超立方體中，對等待聚類的所有像素進行等間隔均勻采樣后重組。(2)在重組的像素中，計算采樣像素點兩兩之間的密度權(quán)值矩陣及其逆陣以及采樣像素與剩余未采樣像素之間的密度權(quán)值矩陣。(3)根據(jù)奈斯特龍逼近原理，將計算逼近的未采樣像素兩兩之間的密度權(quán)值矩陣，所述的奈斯特龍逼近原理由Fowlkes C.等人提出。(4)用(3)生成的未采樣像素兩兩之間的密度權(quán)值矩陣，采樣像素點兩兩之間的密度權(quán)值矩陣以及采樣像素與剩余像素之間的密度權(quán)值矩陣計算所有像素點的密度值。(5)利用(4)得到的所有像素的密度值，計算所有像素的最大密度值并獲得聚類中心，為找出新的聚類中心，需對每個像素點的密度值進行衰減，該過程不斷迭代，根據(jù)終止條件停止迭代。將所有像素點歸一化到一個超立方體中，對等待聚類的所有像素進行等間隔均勻采樣后重組的具體過程包括以下步驟
I.計算所有像素各個維度的最大最小值；
考慮維空間的#個像素點:q，X2，…，％，計算所有像素點在不同維度的最大最小值。2.利用I)計算的最大最小值歸一化所有像素；
利用獲得的不同維度的最大最小值對所有像素進行歸一化，使得所有像素的不同維度值歸一化到[O, I]區(qū)間。3.對歸一化后的所有像素進行均勻采樣；
在歸一化的N個像素點中等間隔(ISd Sm采樣n個像素點，實現(xiàn)對所有像素的均勻采樣。4.歸一化后的像素經(jīng)采樣后分為采樣像素和未采樣像素兩部分；
此時采樣像素共t個,剩余的未采樣像素為個。5.將所有采樣像素放在新像素集的前面，未采樣像素放在新像素集的后面。在重組的像素中，計算采樣像素點兩兩之間的密度權(quán)值矩陣及其逆陣以及采樣像素與剩余未采樣像素之間的密度權(quán)值矩陣的具體過程包括以下步驟
I.計算采樣像素兩兩之間的密度權(quán)值矩陣；
定義一對角陣M2，則其逆矩陣為
權(quán)利要求
1.一種基于減法聚類的快速圖像分割方法，其特征在于該方法包括如下步驟 步驟(I)將所有像素點進行歸一化，對等待分割的所有像素進行等間隔均勻采樣后重組； 步驟(2)在重組的像素中，計算采樣像素點兩兩之間的密度權(quán)值矩陣及其逆矩陣、采樣像素與剩余未采樣像素之間的密度權(quán)值矩陣； 步驟(3)根據(jù)奈斯特龍逼近原理，獲得未采樣像素兩兩之間密度權(quán)值矩陣的逼近矩陣； 步驟(4)用步驟(3)生成的未采樣像素兩兩之間的密度權(quán)值矩陣、采樣像素點兩兩之間的密度權(quán)值矩陣以及采樣像素與剩余像素之間的密度權(quán)值矩陣計算所有像素點的密度值； 步驟(5)利用步驟(4)得到的所有像素的密度值，計算所有像素的最大密度值并獲得聚類中心，為找出新的聚類中心，根據(jù)減法聚類，對每個像素點的密度值進行衰減，該過程不斷迭代，根據(jù)終止條件停止迭代，從而完成圖像分割。
2.根據(jù)權(quán)利要求I所述的一種基于減法聚類的快速圖像分割方法，其特征在于步驟(1)包括以下步驟 1-1.計算所有像素各個維度的最大值和最小值； 1-2.利用1-1計算的最大值和最小值歸一化所有像素； 1-3.對歸一化后的所有像素進行均勻采樣； 1-4.將均勻采樣像素后分為采樣像素和未采樣像素兩部分； 1-5.將所有采樣像素放在新像素集的前面，未采樣像素放在新像素集的后面。
3.根據(jù)權(quán)利要求I所述的一種基于減法聚類的快速圖像分割方法，其特征在于步驟(2)包括以下步驟 2-1.計算采樣像素兩兩之間的密度權(quán)值矩陣0_； 2-2.求取采樣像素兩兩之間的密度權(quán)值矩陣的逆矩陣; 2-3.計算采樣像素與剩余未采樣像素之間的密度權(quán)值矩陣。
4.根據(jù)權(quán)利要求I所述的一種基于減法聚類的快速圖像分割方法，其特征在于步驟(3)包括以下步驟 3-1.求采樣像素與剩余未采樣像素之間的密度權(quán)值矩陣轉(zhuǎn)置矩陣； 3-2.將采樣像素與剩余未采樣像素之間的密度權(quán)值矩陣的轉(zhuǎn)置矩陣乘于采樣像素兩兩之間的密度權(quán)值矩陣的逆矩陣； 3-3.將3-2的計算結(jié)果乘于采樣像素與剩余未采樣像素之間的密度權(quán)值矩陣，從而獲得未采樣像素兩兩之間密度權(quán)值矩陣的逼近矩陣。
5.根據(jù)權(quán)利要求I所述的一種基于減法聚類的快速圖像分割方法，其特征在于步驟(4)包括以下步驟 4-1.將采樣像素兩兩之間的密度權(quán)值矩陣、采樣像素與剩余未采樣像素之間的密度權(quán)值矩陣轉(zhuǎn)置矩陣、采樣像素與剩余未采樣像素之間的密度權(quán)值矩陣轉(zhuǎn)置矩陣及未采樣像素兩兩之間密度權(quán)值矩陣的逼近矩陣進行組合生成所有采樣像素兩兩之間的密度權(quán)值矩陣；4-2.將所有采樣像素兩兩之間的密度權(quán)值矩陣的每行元素進行求和； 4-3.將4-2的求和結(jié)果映射為所有像素的密度值。
6.根據(jù)權(quán)利要求I所述的一種基于減法聚類的快速圖像分割方法，其特征在于步驟(5)包括以下步驟 5-1.計算所有像素的最大密度值，從而獲取第一個聚類中心； 5-2.對所有像素的密度值進行衰減，并計算所有像素的最大密度值，從而獲取第二個聚類中心； 5-3. 5-2的過程不斷迭代，根據(jù)終止條件停止迭代； 5-4.根據(jù)々均值方法對所有像素做進一步分割。
全文摘要
本發(fā)明公開了一種基于減法聚類的快速圖像分割方法。本發(fā)明首先將所有像素點歸一化到一個超立方體中，對等待聚類的所有像素進行等間隔均勻采樣后重組；在重組的像素中，計算采樣像素點兩兩之間的密度權(quán)值矩陣及其逆陣以及采樣像素與剩余未采樣像素之間的密度權(quán)值矩陣。然后計算逼近的未采樣像素兩兩之間的密度權(quán)值矩陣和計算所有像素點的密度值。最后計算所有像素的最大密度值并獲得聚類中心，為找出新的聚類中心，需對每個像素點的密度值進行衰減，該過程不斷迭代，根據(jù)終止條件停止迭代。本發(fā)明與經(jīng)典的減法聚類方法相比，本發(fā)明在不影響聚類結(jié)果的情況下，對于較大規(guī)模數(shù)據(jù)集，大大提高減法聚類方法的實時性。
文檔編號G06T7/00GK102903104SQ201210337838
公開日2013年1月30日 申請日期2012年9月13日 優(yōu)先權(quán)日2012年9月13日
發(fā)明者孫志海, 周文暉, 吳以凡, 王云建 申請人:杭州電子科技大學(xué)