基于像素局部信息及非局部信息的模糊聚类图像分割方法技术

本发明专利技术公开了一种基于像素局部信息及非局部信息的模糊聚类图像分割方法，属于图像处理技术领域。所述方法包括提取给定图像中像素的灰度特征以及邻域特征，得到图像的特征信息集；随机化生成像素的隶属度；设计分割算法的聚类中心对，并设计分割的能量函数；通过迭代过程，对分割的能量函数进行最小化，在迭代过程中，基于拉格朗日算子法对像素的隶属度以及聚类中心对进行更新；迭代过程完成，基于最大隶属度原则对像素的隶属度去模糊化，实现对给定图像的分割，输出最终的分割结果。本发明专利技术不仅可以有效地利用像素的邻域信息，保持图像分割的细节，而且可以充分利用图像中像素的非局部信息，提高算法的鲁棒性。

The segmentation method of pixel local information and fuzzy clustering image based on non local information

The invention discloses a fuzzy clustering image segmentation method based on local information of pixels and non local information, belonging to the field of image processing technology. The method includes extracting gray feature pixels in a given image and neighborhood characteristics, get the characteristic information of the image set; membership random pixel is generated; the design of the segmentation algorithm of clustering center, energy function and design division; through the iterative process, by minimizing the energy function of the segmentation, in the iterative process, Lagrange operator method of pixel membership and the clustering center for updating based on the iterative process; complete membership, the principle of maximum membership degree of fuzzy pixel based on the realization of a given image segmentation, output the final segmentation result. The method not only can effectively utilize the neighborhood information of pixels, preserve the details of image segmentation, but also can make full use of the non local information of pixels in the image so as to improve the robustness of the algorithm.

【技术实现步骤摘要】
基于像素局部信息及非局部信息的模糊聚类图像分割方法
本专利技术涉及图像处理
，特别是指一种基于像素局部信息及非局部信息的模糊聚类图像分割方法。
技术介绍
图像是人类从客观世界获取信息的重要来源和传递信息的重要媒介，随着计算机、互联网等技术的发展，数字图像处理技术在工业、医疗、军事、交通等行业中发挥着日益重要的作用。为了有效利用图像中的相关信息，需要对图像进行分割，提取图像中感兴趣的区域。从本质上讲，图像分割就是把图像分为互不相交的部分，每一部分中的像素具有相同或相类似的特征，这里的特征可以是颜色、纹理等。图像分割是模式识别、计算机视觉、图像理解等领域的最重要的基础环节，它是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。在众多图像分割算法中，模糊C-均值(fuzzyc-means，FCM)是最为典型的一种。与K-means等方法相比，FCM算法允许一个像素同时以不同的隶属度隶属于多个类，因而可以从原图像中保留尽可能多的信息，因而FCM算法可以获得较好的分割效果。具体实现时，FCM算法是通过最小化分割的能量函数实现图像分割。能量函数定义为像素与聚类中心的加权距离实现本文档来自技高网...

【技术保护点】
一种基于像素局部信息及非局部信息的模糊聚类图像分割方法，其特征在于，包括：步骤1：提取给定图像中像素的灰度特征以及邻域特征，得到图像的特征信息集，所述特征信息集包括灰度特征信息集和邻域特征信息集；步骤2：随机化生成像素的隶属度；步骤3：基于得到的像素的隶属度以及像素的特征信息集，设计分割算法的聚类中心对，并设计分割的能量函数；步骤4：通过迭代过程，对分割的能量函数进行最小化，在迭代过程中，基于拉格朗日算子法对像素的隶属度以及聚类中心对进行更新；步骤5：迭代过程完成，基于最大隶属度原则对像素的隶属度去模糊化，实现对给定图像的分割，输出最终的分割结果。

【技术特征摘要】
1.一种基于像素局部信息及非局部信息的模糊聚类图像分割方法，其特征在于，包括：步骤1：提取给定图像中像素的灰度特征以及邻域特征，得到图像的特征信息集，所述特征信息集包括灰度特征信息集和邻域特征信息集；步骤2：随机化生成像素的隶属度；步骤3：基于得到的像素的隶属度以及像素的特征信息集，设计分割算法的聚类中心对，并设计分割的能量函数；步骤4：通过迭代过程，对分割的能量函数进行最小化，在迭代过程中，基于拉格朗日算子法对像素的隶属度以及聚类中心对进行更新；步骤5：迭代过程完成，基于最大隶属度原则对像素的隶属度去模糊化，实现对给定图像的分割，输出最终的分割结果。2.根据权利要求1所述的基于像素局部信息及非局部信息的模糊聚类图像分割方法，其特征在于，所述步骤1中，所述特征信息集为：其中，X是给定图像的灰度特征信息集，xj为第j个像素的灰度值，n为图像中像素点的个数，是给定图像的邻域特征信息集，为第j个像素的邻域特征值，具体是指以第j个像素为中心的邻域窗口中，像素灰度值的中值。3.根据权利要求1所述的基于像素局部信息及非局部信息的模糊聚类图像分割方法，其特征在于，所述步骤2中，所述像素的隶属度为uij，使其满足0≤uij≤1且其中uij是指第j个像素隶属于第i类的隶属度。4.根据权利要求3所述的基于像素局部信息及非局部信息的模糊聚类图像分割方法，其特征在于，所述步骤3包括：步骤31：将分割算法的聚类中心设计为一个二元有序对其中vi是基于图像灰度特征信息集X＝{x1，x2，...，xn}的聚类中心，是基于图像邻域特征信息集的聚类中心；步骤32：设计分割算法的能量函数：

【专利技术属性】
技术研发人员：张小峰，刘慧，郭强，孙玉娟，张彩明，
申请(专利权)人：鲁东大学，山东财经大学，
类型：发明
国别省市：山东,37