【技术实现步骤摘要】
基于一致流形逼近与投影聚类集成的图像分割方法及系统
[0001]本专利技术涉及图像处理
，特别涉及一种基于一致流形逼近与投影聚类集成的图像分割方法及系统。
技术介绍
[0002]作为计算机视觉和图像处理应用的基础，图像分割用于将图像划分为具有特定和独特属性的若干区域，同一区域的像素具有较强的相似性，而不同区域的像素具有较大的差异；同时，图像分割是进一步理解图像的重要步骤。
[0003]目前设计和应用了许多图像分割方法，包括基于边缘检测的分割、基于区域的分割和基于特定理论的分割等；
[0004]但是，利用上述方法在对图像进行分割时，存在分割速度较慢且分割质量不足等问题；
[0005]因此，亟需一种解决办法。
技术实现思路
[0006]本专利技术目的之一在于提供了一种基于一致流形逼近与投影聚类集成的图像分割方法及系统，通过一致流形逼近与投影对原始图像数据进行降维，对降维后的降维结果进行聚类集成，在对图像进行分割时，提升了分割速度和分割质量。
[0007]本专利技术实施例提供的一种基于一致流形逼近与投影聚类集成的图像分割方法，包括：
[0008]步骤S1：获取原始图像数据；
[0009]步骤S2：对原始图像数据进行预处理；
[0010]步骤S3：基于一致流形逼近与投影，对预处理结果进行降维；
[0011]步骤S4：对降维结果进行聚类集成，获得第一图像分割结果，并进行输出。
[0012]优选的，步骤S2：对原始图像数据进行预处理，包...
【技术保护点】
【技术特征摘要】
1.一种基于一致流形逼近与投影聚类集成的图像分割方法，其特征在于，包括：步骤S1：获取原始图像数据；步骤S2：对所述原始图像数据进行预处理；步骤S3：基于一致流形逼近与投影，对预处理结果进行降维；步骤S4：对降维结果进行聚类集成，获得第一图像分割结果，并进行输出。2.如权利要求1所述的一种基于一致流形逼近与投影聚类集成的图像分割方法，其特征在于，步骤S2：对所述原始图像数据进行预处理，包括：步骤S201：对所述原始图像数据进行滤波；步骤S202：对滤波结果进行去噪；步骤S203：对去噪结果进行灰度校正；步骤S204：将灰度校正结果转换为数字形式，获得预处理结果。3.如权利要求1所述的一种基于一致流形逼近与投影聚类集成的图像分割方法，其特征在于，步骤S4中，对降维结果进行聚类集成，获得第一图像分割结果，包括：步骤S401：使用K
‑
means算法对降维结果进行聚类，获得l个聚类成员；步骤S402：从所述l个聚类成员中挑选预设数目个聚类成员；步骤S403：对挑选的聚类成员进行聚类集成，获得第一图像分割结果。4.如权利要求1所述的一种基于一致流形逼近与投影聚类集成的图像分割方法，其特征在于，步骤S4中，输出第一图像分割结果之前，还包括：训练图像分割结果修正模型，基于所述图像分割结果修正模型，对第一图像分割结果进行修正；其中，训练图像分割结果修正模型，包括：获取人工对若干第二图像分割结果进行修正的多个修正记录；从所述修正记录中提取第一记录项；获取记录所述第一记录项的记录方的记录方类型，所述记录方类型包括：人工和机器；当记录所述第一记录项的记录方的记录方类型为人工时，获取所述记录方记录所述第一记录项的第一记录时间范围和第一记录场景；查询预设的记录现场库，确定发生在所述第一记录时间范围内且对应于所述第一记录场景的多个第一记录现场，同时，获取所述第一记录现场的产生时间点；获取预设的现场模拟空间，基于所述产生时间点，将所述第一记录现场按照时间先后顺序依次映射于所述现场模拟空间内，获得记录现场动态模型；确定所述记录现场动态模型中对应于所述记录方的第一人体模型；通过行为识别技术，识别所述第一人体模型在所述记录现场动态模型内产生的多个第一行为；获取所述第一记录项的记录类型，同时，获取对应于所述记录类型的预设的行为价值度判定库；基于所述行为价值度判定库，判定所述第一行为的第一价值度；若所述第一价值度大于等于预设的第一价值度阈值，将对应所述第一行为作为第二行为；通过注意力分析技术，对所述第二行为进行分析，分析所述第一人体模型在所述记录
现场动态模型内集中注意的至少一个第二人体模型和集中注意所述第二人体模型的第一集中度；获取所述第二人体模型的第一身份，同时，获取所述第一记录项的记录人；获取所述记录人的第二身份；将所述第一身份和所述第二身份一一进行配对，若不能一一配对成功，剔除对应所述第一记录项；否则，统计所述第二人体模型的模型数目；当所述模型数目为1时，若所述第一集中度小于等于预设的第一集中度阈值，剔除对应所述第一记录项；当所述模型数据大于1时，获取所述记录人对应于所述第一记录项的贡献度；获取所述贡献度对应的第二集中度阈值；基于所述第一身份和所述第二身份，确定所述记录人对应的所述第一集中度，并作为第二集中度；若存在所述第二集中度小于对应所述第二集中度阈值，剔除对应所述第一记录项；当记录所述第一记录项的记录方的记录方类型为机器时，获取所述记录方记录所述第一记录项的第二记录时间范围和第二记录场景；查询预设的可信度动态评估库，确定所述第二记录时间范围内所述第二记录场景的多个动态可信度；若存在所述动态可信度小于等于预设的可信度阈值，剔除对应所述第一记录项；当所述修正记录需要剔除的所述第一记录项均剔除后，将所述修正记录剔除剩余的所述第一记录项作为第二记录项；整合所述第二记录项，获得待评估记录；获取预设的记录价值度评估模型，基于所述记录价值度评估模型，对所述待评估记录进行价值度评估，获得第二价值度；若所述第二价值度大于等于预设的第二价值度阈值，剔除对应所述修正记录，同时，将对应所述待评估记录作为第一训练样本；否则，仅剔除对应所述修正记录；当所述修正记录需要剔除的所述修正记录均剔除后，将剔除剩余的所述修正记录作为第二训练样本；获取预设的神经网络训练模型，将所述第一训练样本和所述第二训练样本输入至所述神经网络训练模型进行模型训练，获得图像分割结果修正模型。5.如权利要求4所述的一种基于一致流形逼近与投影聚类集成的图像分割方法，其特征在于，获取人工对若干第二图像分割结果进行修正的多个修正记录，包括：获取预设的获取路径集，所述获取路径集包括：多个第一获取路径；获取所述第一获取路径对应的多个第一来源；获取所述第一来源对应的信用记录；对所述信用记录进行内容解析，获取信用值；若所述信用值小于等于预设的信用值阈值，剔除对应所述第一来源；当所述第一来源中需要剔除的所述第一来源均剔除后，将剔除剩余所述第一来源作为
第二来源；获取所述第二来源对应的第一担保圈；随机选取n个所述第二来源，并组合成判断目标集；判断所述判断目标集中的所述第二来源是否均在任一所述第一担保圈内，若是，将对应所述第一担保圈作为第二担保圈；获取预设的第一风险识别模型，将所述判断目标集中的所述第二来源和所述第二担保圈输入至所述第一风险识别模型中，获得对应于所述第二来源的第一风险度；当随机选取所述第二来源结束后，汇总所述第二来源对应的第一风险度，获得第一风险度和；若所述第一风险度和大于等于预设的第一风险度和阈值，剔除对应所述第二来源；当所述第二来源中需要剔除的所述第二来源均剔除后，将剔除剩余所述第二来源作为第三来源；获取所述第三来源对应的提供策略；对所述提供策略进行策略拆分，获得多个第一策略项；随机选取所述第一策略项，并进行内容特征提取，获得多个第一内容特征；获取预设的风险内容特征库，将所述第一内容特征与所述风险内容特征库中的第一风险内容特征进行匹配，每次匹配符合时，将对应所述第一策略项作为第二策略项，将匹配符合的第一内容特征作为第二内容特征，同时，将匹配符合的第一风险内容特征作为第二风险内容特征；获取所述第二风险内容特征对应的多个第一关联风险内容特征；将所述第一内容特征中除所述第二内容特征之外的第三内容特征与所述第一关联风险内容特征进行匹配，每次匹配符合时，将对应所述第一策略项作为第三策略项，将匹配符合的第一关联风险内容特征作为第二关联风险内容特征；获取所述第二风险内容特征和所述第二关联风险内容特征共同对应的预设的提供模拟环境；获取所述第二策略项对应的第一执行场景，同时，获取所述第三策略项对应的第二执行场景；将所述第一执行场景和所述第二执行场景分别映射于所述提供模拟环境内；基于所述第二策略项和所述第三策略项，在所述提供模拟环境内进行模拟提供；在模拟提供的过程中，获取预设的第二风险识别模型，基于所述第二风险识别模型，尝试识别所述提供模拟环境内产生的提供风险；若识别成功，获取识别的所述提供风险的风险类型对应的第二风险度，并与对应所述第三来源进行关联；当随机选取所述第一策略项结束后，汇总所述第三来源关联的所述第二风险度，获得第二风险度和；若所述第二风险度和大于等于预设的第二风险度和阈值，剔除对应所述第三来源；当所述第三来源中需要剔除的所述第三来源均剔除后，将剔除剩余的所述第三来源作为第四来源，同时，统计所述第四来源的来源数目；当所述来源数目为0时，剔除对应所述第一获取路径；
否则，将所述第四来源与对应所述第一获取路径重新进行...
【专利技术属性】
技术研发人员：徐森，王江峰，徐秀芳，花小朋，皋军，安晶，嵇宏伟，姜陈雨，陆湘文，陈思博，蔡娜，
申请(专利权)人：盐城工学院技术转移中心有限公司，
类型：发明
国别省市：
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。