一种基于数据挖掘的图像特征分割方法技术

本发明专利技术公开了一种基于数据挖掘的图像特征分割方法，该方法包括采集待分割的初始图像，对初始图像进行图像去噪预处理，采用数据挖掘技术对预处理后的图像进行颜色特征分析，采用数据挖掘技术对预处理后的图像进行纹理特征分析，建立区域分割模型进行聚类分割，得到图像特征分割结果。本发明专利技术采用数据挖掘技术对预处理后的图像进行颜色特征和纹理特征图像分割，能够快速正确地实现图像特征分割，且不需要事先认定分割类数，从而得到期望的分割结果。

A method of image feature segmentation based on Data Mining

【技术实现步骤摘要】
一种基于数据挖掘的图像特征分割方法
本专利技术属于图像分割
，具体涉及一种基于数据挖掘的图像特征分割方法。
技术介绍
图像分割是图像识别和计算机视觉至关重要的预处理。没有正确的分割就不可能有正确的识别。但是，进行分割仅有的依据是图像中像素的亮度及颜色，由计算机自动处理分割时，将会遇到各种困难。例如，光照不均匀、噪声的影响、图像中存在不清晰的部分，以及阴影等，常常发生分割错误。因此图像分割是需要进一步研究的技术。人们希望引入一些人为的知识导向和人工智能的方法，用于纠正某些分割中的错误，是很有前途的方法，但是这又增加了解决问题的复杂性。图像分割是图像分析的第一步，图像分割接下来的任务，如特征提取、目标识别等的好坏，都取决于图像分割的质量如何。由于该课题的难度和深度，进展比较缓慢。图像分割技术自20世纪70年代起一直受到人们的高度重视，虽然研究人员针对各种问题提出了许多方法，但迄今为止仍然不存在一个普遍适用的理论和方法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来了许多实际问题。最近几年又出现了了许多新思路、新方本文档来自技高网...

【技术保护点】
1.一种基于数据挖掘的图像特征分割方法，其特征在于，包括以下步骤：/nS1、采集待分割的初始图像；/nS2、采用改进的K-means聚类算法对初始图像进行图像去噪预处理；/nS3、采用数据挖掘技术对预处理后的图像进行颜色特征分析，得到区域约束；/nS4、采用数据挖掘技术对预处理后的图像进行纹理特征分析，得到提取目标轮廓的基准面；/nS5、建立区域分割模型进行聚类分割，得到图像特征分割结果。/n

【技术特征摘要】
1.一种基于数据挖掘的图像特征分割方法，其特征在于，包括以下步骤：
S1、采集待分割的初始图像；
S2、采用改进的K-means聚类算法对初始图像进行图像去噪预处理；
S3、采用数据挖掘技术对预处理后的图像进行颜色特征分析，得到区域约束；
S4、采用数据挖掘技术对预处理后的图像进行纹理特征分析，得到提取目标轮廓的基准面；
S5、建立区域分割模型进行聚类分割，得到图像特征分割结果。


2.如权利要求1所述的基于数据挖掘的图像特征分割方法，其特征在于，所述步骤S2具体为：
采用K-means聚类算法对初始图像进行滤波处理，并依次采用柔化处理、中值滤波处理和锐化处理进行图像去噪预处理。


3.如权利要求2所述的基于数据挖掘的图像特征分割方法，其特征在于，所述步骤S3具体包括以下分步骤：
S31、提取图像的局部特征
定义B(x,y)为背景图像，F(x,y)为加入目标后的场景图像，D(x,y)为差分图像，I(x,y)为二值化图像，将预处理后的图像进行RGB三通道分离，对各通道分别进行背景差分，对每个像素选取各通道差值的最大值，进行阈值二值化处理，表示为
Di(x,y)＝|Fi(x,y)-Bi(x,y)|



其中i＝r,g,b表示三个颜色分量，Fi(x,y)为场景图像F(x,y)分离出的第i通道的图像，Bi(x,y)为背景图像B(x,y)分离出的第i通道的图像，Di(x,y)为第i通道的差分图像，θB为设定的二值化阈值；
S32、将局部特征与深度信息、位置信息结合生成新的特征向量
基于深度信息对目标区域进行细化处理，细化后的图像V(x,y)表示为：



其中ID(x,y)为预处理后的深度图像；
对细化后的图像V(x,y)中值不为0的区域进行连通域分析，按照四邻接规则将值相同的像素标记在同一连通域中，获得的n个连通域分别为Ok,K＝1、2、....、n，得到区域约束L(x,y)表示为





4.如权利要求3所述的基于数据挖掘的图像特征分割方法，其特征在于，所述步骤S4具体包括以下分步骤：
S41、利用直方图均衡化算法对图像进行对比度增强，绘制二维灰度直方图曲线，表示为<...

【专利技术属性】
技术研发人员：李凯勇，
申请(专利权)人：青海民族大学，
类型：发明
国别省市：青海;63