一种基于万有引力的谱聚类图像分割算法制造技术

本发明专利技术公开了一种基于万有引力的谱聚类图像分割算法，克服了现有技术基于谱聚类算法的纹理图像分割方法的高时间和空间复杂度的不足，实现步骤为：(1)读取纹理图像；(2)图像去噪；(3)利用灰度共生矩阵和灰度直方图提取图像的纹理特征；(4)对特征数据集，采用万有引力定律提取代表点；(5)对代表点集，调用自适应的谱聚类算法；(6)合并两次划分的结果；(7)输出分割图像。本发明专利技术利用一种基于万有引力的谱聚类算法对纹理图像进行分割，既保持了谱聚类算法可以在任意形状的样本空间上聚类且收敛于全局最优解的优点，又降低了其时间和空间复杂度，而且可以得到较好的分割结果。

Spectral clustering image segmentation algorithm based on gravity

The invention discloses a spectral clustering algorithm for image segmentation based on universal gravitation, overcomes the texture image segmentation method based on spectral clustering algorithm with high time and space complexity problems, implementation steps are as follows: (1) read (2) texture image; image denoising; (3) using gray level co-occurrence matrix and the gray histogram of image texture feature extraction; (4) the feature data set, using the law of gravity extraction of representative points; (5) on behalf of the point set, called adaptive spectral clustering algorithm; (6) the result of the merger of two division; (7) the output of image segmentation. A spectral clustering algorithm based on gravitation of texture image segmentation using the invention can keep the spectral clustering in the sample space of any shape clustering and the advantages of convergence to the global optimal solution, but also reduces the complexity of time and space, but also can get good segmentation results.

【技术实现步骤摘要】
一种基于万有引力的谱聚类图像分割算法
本专利技术属于图像处理
，具体涉及一种基于万有引力的谱聚类图像分割算法，图像分割后提取出的目标可以用于图像语义识别、图像搜索、机器视觉、人脸识别、交通控制系统等领域。
技术介绍
纹理图像分割是图像处理的重要组成部分，它将纹理图像划分为多个互不相交的子区域，在同一子区域的像素点具有较高的相似性，而不同子区域之间的像素点相似性较低。图像中的纹理代表了像素的上下文信息，因此它被广泛的作为图像分割的依据，但是采用纹理作为分割依据的方法要比仅采用像素的灰度的方法复杂的多。目前已经存在的纹理图像分割方法众多，由于聚类方法简单且高效，所以被认为是用于纹理图像分割最好的技术之一。FCM算法是经典的聚类方法，也是最流行的图像分割方法之一，因为它不需要构造相似矩阵，很容易实现，并且在某些情况下可以获得合理的结果。但由于该算法没有考虑任何空间信息，从而导致很容易收敛到局部最优解。Yang等人在文献“Yang,D.D.,Wang,L.,Hei,X.H.,Gong,M.G.:AnefficientautomaticSARimagesegmentationframeworkinAISusingkernelclusteringindexandhistogramstatistics.AppliedSoftComputing,16,pp.63-79,2014”中利用高斯核聚类索引查找重叠的区域，为了提高速度他们还利用了直方图统计去实现像素的划分。Schultz,T等人在文献“Schultz,T.,Kindlmann,G.L.:Open-BoxSpectralclustering:ApplicationstoMedicalImageAnalysis.IEEETransactionsonVisualizationandComputerGraphics,19(12),pp.2100-2108,2013”中表明谱聚类算法可以在图像分割中得到很好的分割结果，但是由于在计算过程中需要计算相似度矩阵的特征值和特征向量，这对规模较大的数据集会产生很大的时间和空间代价。另外，谱聚类算法中参数的设置也会对分割的结果产生很大的影响。综上所述，由于FCM等算法很难在任意形状的数据空间中进行聚类且很容易陷入局部最优解，使得不同纹理的像素点被分为一类的概率增大，从而影响图像的分割结果。谱聚类算法虽然可以在任意形状数据的数据空间中进行聚类并可以收敛到全局最优解，但计算过程中会消耗大量的时间和空间，效率较低，而且算法结果依赖于参数。
技术实现思路
本专利技术的目的是针对现有的基于聚类的图像分割方法中时间和空间代价大且参数敏感等缺点，提出一种基于万有引力的谱聚类图像分割算法。本专利技术所提算法分为二个层次，第一层是在数据集空间中投放若干探测器，利用万有引力定律移动与合并这些探测器，当探测器不再移动与合并时它们就作为原始数据集的代表点集，并将这些代表点作为聚类中心，然后将所有数据分别分配给与之相似度最高的聚类中心所属的类；第二层是对第一层求出的代表点集采用自适应的谱聚类算法聚类。最后合并两层的结果，也就是将第一层每个类别中的数据划分到它们的代表点(聚类中心)在第二层聚类后所属类别中，这样就得到了最终的分割图像。该专利技术可以在保持谱聚类算法在任意形状的样本空间上聚类且收敛于全局最优解的优点的条件下，缩小其计算的时间和空间代价，而且可以得到较好的纹理图像分割结果。为此，本专利技术提供了一种基于万有引力的谱聚类图像分割算法，具体操作步骤如下：(1)输入纹理图像：1a)将待分割的纹理图像存入计算机硬盘；1b)在计算机中应用matlab软件读取步骤1a)中存储在计算机硬盘空间中待分割的纹理图像；(2)图像去噪：对纹理图像调用中值滤波器，去除图像中的斑点噪声和椒盐噪声，将滤波后的纹理图像存入内存；(3)提取图像的纹理特征：3a)应用matlab软件读取步骤(2)中所得的纹理图像；3b)计算图像的灰度共生矩阵；3c)统计图像中所有灰度出现的频率，求出需要的灰度直方图统计矩，将它们作为图像中每个像素的纹理特征；3d)利用步骤3c)得到的图像灰度的空间特性和统计特性，构造图像的纹理特征数据集并存入内存；(4)利用万有引力定律提取代表点：4a)利用matlab软件读取步骤(3)中所得的图像纹理特征数据集；4b)在纹理特征数据集所在的空间中投若干探测器；4c)利用万有引力定律对探测器进行移动与合并，直至所有探测器不再移动；4d)剩余的探测器即为纹理特征数据集的代表点集并存入内存；4e)将纹理特征数据集中所有数据点划分到离其最近的代表点的集合中，将划分结果存入内存；(5)调用自适应的谱聚类算法对代表点集进行聚类：5a)利用matlab软件读取在步骤(4)中得到的图像纹理特征数据集的代表点集；5b)对代表点集调用自适应的谱聚类算法进行聚类，将得到的聚类结果存入内存；(6)合并两次划分结果：6a)利用matlab软件读取在步骤4e)和步骤5b)中的划分结果；6b)对两次划分结果进行合并；(7)将划分为同一类的像素点设为相同的灰度值，不同类的像素点设为不同灰度值，得到分割后的图像；(8)输出分割图像。上述一种基于万有引力的谱聚类图像分割算法，步骤3b)所述的灰度共生矩阵的特征量为对比度(contrast)、相关度(correlation)和熵(entropy)，步骤3c)所述的灰度直方图的统计矩为标准差(standarddeviation)、一致性(uniformity)、三阶矩(thirdmoment)、平滑度(smoothness)、均值(mean)、FM7、FM8和FM9。上述一种基于万有引力的谱聚类图像分割算法，步骤4b)所述的在特征空间中投放探测器的方法为正交设计。上述一种基于万有引力的谱聚类图像分割算法，步骤4c)所述的利用万有引力定律对探测器进行移动与合并的步骤是：首先给定一个邻域半径Eps，计算每个探测器的Eps邻域内所有数据点的个数并将之作为探测器的质量m，利用万有引力定律计算两两探测器之间的引力F，然后将每个探测器y依次按照下列公式朝着对它引力最大的探测器x的方向移动：y(t+1)＝(1-λ)y(t)+λx(t)其中，t代表时刻，λ代表步长，即y朝着x移动的长度和它们距离的比值，0＜λ＜1，我们在实验中设定λ＝1/3。如果2个探测器之间的距离小于α×Eps就将它们合并成一个探测器，即保留质量较大的那个。α用来控制合并的速度，0＜α＜1，实验中我们设定α＝0.25。上述一种基于万有引力的谱聚类图像分割算法，步骤5b)所述的自适应谱聚类算法中局部尺度参数σi的设置为：σi＝d(si,sw)其中，sw是si的第w个近邻，我们取w＝7，d(si,sw)表示两个数据点的欧氏距离。上述一种基于万有引力的谱聚类图像分割算法，所述步骤6b)中对两次划分结果合并的方法为，即在步骤4e)中划分好的每个集合的代表点在步骤5b)中如果被归为一类，那么将它们在步骤4e)中对应的的集合合并为一类，合并后所得的点集即为原始图像中属于同一纹理的像素点集。与现有技术相比，本专利技术具有以下优点：第一，本专利技术针对纹理图像的分割问题，利用灰度共生矩阵和灰度直方图统计矩来本文档来自技高网...

【技术保护点】
一种基于万有引力的谱聚类图像分割算法，其特征在于，具体操作包括如下步骤：(1)输入纹理图像：1a)将待分割的纹理图像存入计算机硬盘；1b)在计算机中应用matlab软件读取步骤1a)中存储在计算机硬盘空间中待分割的纹理图像；(2)图像去噪：对纹理图像调用中值滤波器，去除图像中的斑点噪声和椒盐噪声，将滤波后的纹理图像存入内存；(3)提取图像的纹理特征：3a)应用matlab软件读取步骤(2)中所得的纹理图像；3b)计算图像的灰度共生矩阵；3c)统计图像中所有灰度出现的频率，求出需要的灰度直方图统计矩，将它们作为图像中每个像素的纹理特征；3d)利用步骤3c)得到的图像灰度的空间特性和统计特性，构造图像的纹理特征数据集并存入内存；(4)利用万有引力定律提取代表点：4a)利用matlab软件读取步骤(3)中所得的图像纹理特征数据集；4b)在纹理特征数据集所在的空间中投若干探测器；4c)利用万有引力定律对探测器进行移动与合并，直至所有探测器不再移动；4d)剩余的探测器即为纹理特征数据集的代表点集并存入内存；4e)将纹理特征数据集中所有数据点划分到离其最近的代表点的集合中，将划分结果存入内存；(5)调用自适应的谱聚类算法对代表点集进行聚类：5a)利用matlab软件读取在步骤(4)中得到的图像纹理特征数据集的代表点集；5b)对代表点集调用自适应的谱聚类算法进行聚类，将得到的聚类结果存入内存；(6)合并两次划分结果：6a)利用matlab软件读取在步骤4e)和步骤5b)中的划分结果；6b)对两次划分结果进行合并；(7)将划分为同一类的像素点设为相同的灰度值，不同类的像素点设为不同灰度值，得到分割后的图像；(8)输出分割图像。...

【技术特征摘要】
1.一种基于万有引力的谱聚类图像分割算法，其特征在于，具体操作包括如下步骤：(1)输入纹理图像：1a)将待分割的纹理图像存入计算机硬盘；1b)在计算机中应用matlab软件读取步骤1a)中存储在计算机硬盘空间中待分割的纹理图像；(2)图像去噪：对纹理图像调用中值滤波器，去除图像中的斑点噪声和椒盐噪声，将滤波后的纹理图像存入内存；(3)提取图像的纹理特征：3a)应用matlab软件读取步骤(2)中所得的纹理图像；3b)计算图像的灰度共生矩阵；3c)统计图像中所有灰度出现的频率，求出需要的灰度直方图统计矩，将它们作为图像中每个像素的纹理特征；3d)利用步骤3c)得到的图像灰度的空间特性和统计特性，构造图像的纹理特征数据集并存入内存；(4)利用万有引力定律提取代表点：4a)利用matlab软件读取步骤(3)中所得的图像纹理特征数据集；4b)在纹理特征数据集所在的空间中投若干探测器；4c)利用万有引力定律对探测器进行移动与合并，直至所有探测器不再移动；4d)剩余的探测器即为纹理特征数据集的代表点集并存入内存；4e)将纹理特征数据集中所有数据点划分到离其最近的代表点的集合中，将划分结果存入内存；(5)调用自适应的谱聚类算法对代表点集进行聚类：5a)利用matlab软件读取在步骤(4)中得到的图像纹理特征数据集的代表点集；5b)对代表点集调用自适应的谱聚类算法进行聚类，将得到的聚类结果存入内存；(6)合并两次划分结果：6a)利用matlab软件读取在步骤4e)和步骤5b)中的划分结果；6b)对两次划分结果进行合并；(7)将划分为同一类的像素点设为相同的灰度值，不同类的像素点设为不同灰度值，得到分割后的图像；(8)输出分割图像。2.根据权利要求1所述的一种基于万有引力的谱聚类图像分割算法，其特征在于：步骤3b)所述的灰度共生矩阵的特征量为对比度(contrast)、相关度...

【专利技术属性】
技术研发人员：王宇平，杜辉，董晓盼，王晓丽，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61