【技术实现步骤摘要】
本专利技术属于图像处理
，尤其涉及图像分割方法，可用于对图像进行分割和聚类。
技术介绍
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，它是由图像处理到图像分析的关键步骤，是一种基本的计算机视觉技术。图像分割问题也可看成是对象的分类问题，所以可以使用模式识别中的模式分类技术。用特征空间聚类法进行图像分割是将图像空间中的像素用对应的特征空间点表示，根据它们在特征空间的聚集对特征空间进行分割，然后将它们映射回原图像空间，得到分割结果。其中K均值、模糊均值聚类算法是最常用的聚类算法。K-均值聚类算法由于其算法思想简单，又容易实现对大规模数据集的聚类，因此该算法已成为一种最常用的聚类算 法之一。然而K-均值聚类算法中有两个值得共同关注的问题，即过分依赖于初始中心点的选取和聚类数的自适应确定。针对选取初始中心点的问题，出现了各种基于全局最优化思想的K-均值聚类算法，比如模拟退火算法、遗传算法等。然而这些技术并没有得到广泛认可。2003年Likas等人提出了全局K-均值聚类算法，但是该算法计算量大，时间性能较差，为此在他的文章中又给出了快速全局K-均值聚类算法，但是该算法仍然存在空间复杂度高和时间复杂度高的问题，并不适用于数据量大的数据集。聚类数的自适应确定一直是聚类有效性研究的重要课题。通常，确定最佳聚类数的核心环节是聚类有效性指标的选择。聚类有效性指标用来评价聚类结果，确定最佳聚类数。多年来，很多学者提出了评估最佳聚类数的有效性指标。如基于全部样本的类内离差矩阵和类间离差矩阵测度的Calinski-Harabasz指标，基于样本...
【技术保护点】
一种基于快速全局K均值的自适应图像分割方法，包括如下步骤：(1)输入一幅大小为R×Q的待分割的图像，总像素点个数为n，n＝R×Q，设置该待分割的图像聚类数c的搜索范围[cmin,cmax]，并令c＝cmin；(2)对待分割图像的每一个像素点，用M×M的窗口进行3层小波变换，提取纹理特征xj,j＝1,...,n；(3)用改进后的快速全局K均值方法将提取的纹理特征xj,j＝1,...,n聚成c类，得到聚类中心V＝{v1,v2,..,vc}，vi是每一类的聚类中心，i=1，...,c；(4)根据下式求出每一个像素点的纹理特征xj属于第i类的隶属度uij：uij=((Σf=1cdi,jdf,j)2m-1)-1,其中di,j为xj与第i类聚类中心vi的欧氏距离，df，j为xj与第f类聚类中心vf的欧氏距离j＝1,2,...,n，f，i=1,2,...,c，m是模糊参数，取m=2；(5)根据隶属度uij和聚类中心V，计算聚类数为c，c？1，c？2分别对应的有效性指标L(c),L(c？1),L(c？2)：L(z)=Σi=1c(Σj=1nuijm)||vi-x||2...
【技术特征摘要】
1.一种基于快速全局K均值的自适应图像分割方法，包括如下步骤 (1)输入一幅大小为RXQ的待分割的图像，总像素点个数为n，n= RXQ，设置该待分割的图像聚类数C的搜索范围[cmin, CmaJ ,并令C = Cmin ; (2)对待分割图像的每一个像素点，用MXM的窗口进行3层小波变换，提取纹理特征Xj，J 1，· · ·，η ； (3)用改进后的快速全局K均值方法将提取的纹理特征\，j= 1，...，η聚成c类，得到聚类中心V = ...
【专利技术属性】
技术研发人员：王爽，侯小瑾，赵丽，刘亚超，刘坤，马文萍，马晶晶，张涛，
申请(专利权)人：西安电子科技大学，
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。