【技术实现步骤摘要】
本专利技术属于数字图像处理，具体涉及一种图像分割方法，可用于自然图像的识别和计算机视觉任务的处理。
技术介绍
1、在数字化时代的浪潮下，图像凭借其直观、信息丰富的特性，已然成为人类感知世界和获取信息的首选媒介。如何利用信息处理技术高效且精准地从图像中获取关键信息，不仅成为多个领域共同关注的热点，更是计算机视觉领域的重要研究方向。图像分割作为计算机视觉的核心技术之一，通过利用颜色、边缘等特征将复杂的图像划分为多个具有相似特性的不同区域，从而精准提取出目标信息，为后续的目标分析、场景理解等任务提供有力的数据支撑。针对实际中复杂多样的应用场景，学者们相继提出一系列图像分割方法，主要包括基于阈值的分割方法、基于聚类的分割方法、基于区域的分割方法和基于边缘的分割方法等。其中，基于聚类的分割方法由于其具有无监督、效率高等优势，得到了广泛的应用和研究。传统的硬聚类算法难以处理图像中包含的不确定性信息和模糊性信息，因此，软聚类算法应运而生。其中，粗糙模糊c均值聚类算法通过将粗糙集理论与模糊集理论相结合，有效地解决了上述问题。
2、ji等人在...
【技术保护点】
1.一种基于多视图迁移多目标粗糙模糊聚类的图像分割方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤2a)中对待分割图像X进行划分，生成不均匀区域的超像素图像X(M)，是采用多尺度形态梯度重建算法实现，步骤包括如下：
3.根据权利要求1所述的方法，其特征在于，步骤2b)中对待分割图像X进行划分，生成均匀区域的超像素图像X(S)，是采用简单线性迭代聚类算法实现，步骤包括如下：
4.根据权利要求1所述的方法，其特征在于，步骤2c)中根据不均匀区域的超像素图像X(M)和均匀区域的超像素图像X(S)计算自适应加...
【技术特征摘要】
1.一种基于多视图迁移多目标粗糙模糊聚类的图像分割方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤2a)中对待分割图像x进行划分，生成不均匀区域的超像素图像x(m)，是采用多尺度形态梯度重建算法实现，步骤包括如下：
3.根据权利要求1所述的方法，其特征在于，步骤2b)中对待分割图像x进行划分，生成均匀区域的超像素图像x(s)，是采用简单线性迭代聚类算法实现，步骤包括如下：
4.根据权利要求1所述的方法，其特征在于，步骤2c)中根据不均匀区域的超像素图像x(m)和均匀区域的超像素图像x(s)计算自适应加权系数，并采用线性加权的方法得到修复后的超像素图像实现如下：
5.根据权利要求1所述的方法，其特征在于，步骤(3)中利用单纯形格点法和拉丁超立方采样法分别生成初始参考向量ν和初始种群p，实现如下：
6.根据权利要求1所述的方法，其特征在于，步骤(4)中构建三个目标函数f1、f2、f3，实现如下：
7.根据权利要求1所述的方法，其特征在于，步骤(...
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。