利用改进模糊聚类算法提取灰度不均匀红外行人的方法技术

本发明专利技术涉及一种利用改进模糊聚类算法提取灰度不均匀红外行人的方法，步骤一：确定行人大致区域；步骤二：采用改进的模糊聚类算法对红外图像进行聚类分割；改进的模糊聚类算法目标函数如下：步骤三：为了提取红外行人目标，需要对聚类结果进行后续处理：剔除非行人目标区域；聚类结果为二值图像，计算二值图像中每个连通域的长宽比，剔除长宽比不符合行人长宽比范围的连通域。本发明专利技术从在目标函数中加入正则项以考虑像素点和邻域的相似性和像素点和聚类中心的相似性；对于邻域窗口尺寸进行了扩展，考虑更多邻域信息；能够较好地分割灰度不均匀红外行人目标；具有广阔的市场前景与应用价值。

Method for extracting gray uneven infrared pedestrian using improved fuzzy clustering algorithm

The invention relates to a method of using the improved fuzzy clustering algorithm, extracting gray uniform infrared pedestrian step: determine the pedestrian area roughly; step two: using the improved fuzzy clustering algorithm for clustering segmentation of infrared image; fuzzy clustering algorithm improved object as follows: step three: in order to extract infrared pedestrian target, the need for follow-up of the clustering results: excluding non pedestrian area; clustering results for two value image, calculated value of two aspect each connected domain image, eliminating the ratio of length to width ratio of length to width of pedestrian does not conform to the scope of the connected domain. The present invention from the regularization term is added to account for the similarity of pixels and neighborhood similarity and pixel and cluster centers in the objective function; for the neighborhood window size was extended into more neighborhood information; better segmentation of infrared pedestrian target gray uneven; has wide market prospect and application value.

【技术实现步骤摘要】
利用改进模糊聚类算法提取灰度不均匀红外行人的方法
本专利技术涉及利用改进模糊聚类算法提取灰度不均匀红外行人的方法，模糊聚类技术和图像分割技术在图像应用领域具有广泛的应用，隶属于数字图像处理领域。
技术介绍
图像分割是指根据图像的灰度、纹理、颜色等特征将原始图像划分为互不重叠的区域。并且同一区域内具有相似的性质，不同区域之间则具有明显的差异。图像分割往往被作为图像处理和分析的预处理。没有正确的分割就不可能有正确的识别。准确的检测和识别需要以准确有效的分割为基础。因此，快速、有效且准确的图像分割算法将会有重要的应用意义。图像分割方法根据原理不同大致可分为以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。红外图像能够近似反映出图像中目标和背景的温度差异，由于其可全天候工作且能够克服视觉障碍而探测目标的优点，红外图像在图像处理领域得到了广泛应用。但红外图像往往缺乏较好的对比度和分辨率，图像边缘较为模糊，过渡性较强，目标与背景之间界限不明显。同时由于遮挡和散热不均等原因，灰度不均匀也是红外图像中常见的现象，这对于红外行人分割具有极大的影响本文档来自技高网...

【技术保护点】
一种利用改进模糊聚类算法提取灰度不均匀红外行人的方法，特征在于：该方法具体步骤如下：步骤一：确定行人大致区域；采用显著性算法得到红外图像的显著图，通过对显著图进行阈值分割得到行人大致位置；1.1采用基于图像签名的显著性方法产生红外图像的显著图，该方法提取显著图的过程中所用的梯度算子为Sobel算子；1.2采用大津阈值法对显著图分割，分割结果为二值图像；根据分割结果中不为0的区域确定红外行人在原图中的大致区域，得到行人区域的图像，即待分割区域；步骤二：采用改进的模糊聚类算法对红外图像进行聚类分割；改进的模糊聚类算法目标函数如下：

【技术特征摘要】
1.一种利用改进模糊聚类算法提取灰度不均匀红外行人的方法，特征在于：该方法具体步骤如下：步骤一：确定行人大致区域；采用显著性算法得到红外图像的显著图，通过对显著图进行阈值分割得到行人大致位置；1.1采用基于图像签名的显著性方法产生红外图像的显著图，该方法提取显著图的过程中所用的梯度算子为Sobel算子；1.2采用大津阈值法对显著图分割，分割结果为二值图像；根据分割结果中不为0的区域确定红外行人在原图中的大致区域，得到行人区域的图像，即待分割区域；步骤二：采用改进的模糊聚类算法对红外图像进行聚类分割；改进的模糊聚类算法目标函数如下：其中，N为像素点总数，j为像素点位置坐标，c为类别总数，i为类别序数，uij为第j个像素点相对于第i类的隶属度，vi为第i类的聚类中心，m为模糊因子，Wij为权重系数，xj为第j个像素点的像素值，xr为邻域像素点，Nj为当前像素点的邻域，βr为邻域相似系数，fr为空间距离权重系数；权重系数Wij的计算过程如下：Wij＝(Mij×Gij)/ZMij为隶属度约束，Gij为图像灰度特征约束，Z为归一化常数；其中Mij，Gij及Z的计算过程如下：Mij＝exp(-(ui1×ui2+ui3×ui4))Gij＝1-exp(-Ij×gi)1/igi＝exp(-ai2)其中，ui1和ui2代表4邻域中竖直方向邻域像素点对于第i类的隶属度，ui3和ui4代表4邻域中水平方向邻域像素点对于第i类的隶属度，Nj代表当前像素点的邻域，xr为邻域像素点，ai为所有属于第i类的像素点的灰度均值，Z起到归一化作用；fr和βr的计算过程定义如下：

【专利技术属性】
技术研发人员：白相志，王英帆，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11