【技术实现步骤摘要】
一种图像分割方法、装置、存储介质及终端设备
本专利技术涉及图像处理
,尤其涉及一种图像分割方法、装置、计算机可读存储介质及终端设备。
技术介绍
图像分割是指把图像分成若干特定的、具有独特性质的区域并提出感兴趣目标的技术和过程,模糊C均值聚类算法(FCM)是图像分割的常用方法,它是在模糊数学基础上对K均值算法的推广,通过最优化一个模糊目标函数来实现聚类,它不像K均值聚类那样认为每个点只能属于某一类,而是赋予每个点一个对应的隶属度,用隶属度可以更好地描述边缘像素亦此亦彼的特点,适合处理事物内在的不确定性。利用FCM聚类进行图像分割,虽然可以减少人为干预,以实现简单的图像分割,但FCM聚类极大地依赖于初始聚类中心,一旦初始聚类中心确定不合理,将严重影响图像的分割效果。
技术实现思路
本专利技术实施例提供了一种图像分割方法、装置、计算机可读存储介质及终端设备,能够合理确定FCM聚类的初始聚类中心,提高图像分割效率和分割效果,并能够有效减少图像分割过程中的计算复杂度。本专利技术实施例的第一方面,提供了一种图像分割方法,包括:获取待分割的原始图像,并确定所述原始图像的聚类数目和像素点;根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化,并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理,得到所述原始图像的各局部最优像素点;将各所述局部最优像素点确定为模糊C均值聚类算法的初始聚类中心,并利用所述模糊C均值聚类算法根据所述初始聚类中心对所述原始图像进行再聚类,得到分割图像。本专利技术实施例的第二方面,提供了一种图像分割装置,包括:原始图像获取模块,用于获取待分割的原 ...
【技术保护点】
1.一种图像分割方法,其特征在于,包括:获取待分割的原始图像,并确定所述原始图像的聚类数目和像素点;根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化,并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理,得到所述原始图像的各局部最优像素点;将各所述局部最优像素点确定为模糊C均值聚类算法的初始聚类中心,并利用所述模糊C均值聚类算法根据所述初始聚类中心对所述原始图像进行再聚类,得到分割图像。
【技术特征摘要】
1.一种图像分割方法,其特征在于,包括:获取待分割的原始图像,并确定所述原始图像的聚类数目和像素点;根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化,并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理,得到所述原始图像的各局部最优像素点;将各所述局部最优像素点确定为模糊C均值聚类算法的初始聚类中心,并利用所述模糊C均值聚类算法根据所述初始聚类中心对所述原始图像进行再聚类,得到分割图像。2.根据权利要求1所述的图像分割方法,其特征在于,所述根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化,并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理,得到所述原始图像的各局部最优像素点,包括:将所述聚类数目确定为所述预设蛙跳算法的种群组数,构建所述种群组数的初始种群,并初始化各所述初始种群的第一聚类中心;根据所述像素点确定所述预设蛙跳算法的青蛙个体,并计算每一个青蛙个体与各所述第一聚类中心之间的第一隶属度;根据所述第一隶属度将各青蛙个体划分至对应的初始种群,并根据所述第一隶属度获取各所述初始种群的最差青蛙个体;按照预设更新方式对各所述最差青蛙个体进行位置更新,得到更新后的新种群;判断所述新种群是否满足预设终止条件;若所述新种群满足所述预设终止条件,则获取各所述新种群中的最优青蛙个体,并将各所述最优青蛙个体确定为所述原始图像的各局部最优像素点;若所述新种群不满足所述预设终止条件,则确定各所述新种群的第二聚类中心,计算各所述新种群中的每一个青蛙个体与对应的第二聚类中心之间的第二隶属度,并将各所述新种群确定为初始种群、将所述第二隶属度确定为第一隶属度,返回执行根据所述第一隶属度获取各所述初始种群的最差青蛙个体的步骤以及后续步骤。3.根据权利要求2所述的图像分割方法,其特征在于,所述计算每一个青蛙个体与各所述第一聚类中心之间的第一隶属度,包括:利用所述模糊C均值聚类算法的隶属度计算公式计算每一个青蛙个体与各所述第一聚类中心之间的第一隶属度,其中,所述隶属度计算公式为:其中,uij为青蛙个体j与第一聚类中心i之间的第一隶属度,Xj为青蛙个体j的位置向量,Vi为第一聚类中心i的位置向量,C为聚类数目,m为模糊C均值聚类算法的模糊度,||Xj-Vi||为Xj与Vi之间的欧式距离。4.根据权利要求3所述的图像分割方法,其特征在于,所述判断所述新种群是否满足预设终止条件,包括:根据各所述第一隶属度计算所述新种群的目标函数值,并判断所述目标函数值是否满足预设条件;具体地,所述目标函数值的的计算公式为:其中,F(t)为目标函数值,C为聚类数目,N为青蛙个体的总个数,uij为青蛙个体j与第一聚类中心i之间的第一隶属度,Xj为青蛙个体j的位置向量,Vi为第一聚类中心i的位置向量。5.根据权利要求2所述的图像分割方法,其特征在于,所述按照预设更新方式对各所述最差青蛙个体进行位置更新,包括:根据下述更新公式对各所述最差青蛙个体进行位置更新:newXi=ε*(Xi+D)phi=4*rand(i)其中,newXi为青蛙个体i更新后的位置向量,Xi为青蛙个体i...
【专利技术属性】
技术研发人员:杜艳艳,
申请(专利权)人:深圳壹账通智能科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。