买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京帝测科技股份有限公司

摘要：本发明的实施例提供了基于超像素和改进模糊C均值聚类的自动图像分割方法。所述方法包括：在目标图像中选取任一邻域，计算邻域内像素点的局部灰度变化信息以及邻域内像素点与中心像素点的空间距离信息，统计局部灰度变化信息影响权重和空间距离信息影响权重，获得优化加权图像；利用SLIC算法对所述优化加权图像进行预分割，得到超像素；对超像素进行密度峰值聚类，获得聚类簇数；采用优化后的隶属度改进模糊C均值聚类算法，对超像素进行二次分割。以此方式，可以自动确定聚类簇数，无需人工参与，有效降低了噪声点对图像分割的影响，提高了图像分割效率和图像分割精度。

主权项：1.一种基于超像素和改进模糊C均值聚类的自动图像分割方法，其特征在于，包括：在目标图像中选取任一邻域，计算所述邻域内像素点的局部灰度变化信息以及邻域内像素点与中心像素点的空间距离信息，统计所述邻域内像素点对中心像素点的局部灰度变化信息影响权重和空间距离信息影响权重，获得优化加权图像；利用SLIC算法对所述优化加权图像进行预分割，得到超像素；对所述超像素进行密度峰值聚类，获得聚类簇数；采用优化后的隶属度改进模糊C均值聚类算法，对所述超像素进行二次分割，得到二次分割后的图像；对所述超像素进行密度峰值聚类，获得聚类簇数，包括：任意选取两个超像素，计算两个超像素之间的第一距离；所述第一距离为：其中，为第p个超像素与第q个超像素之间的第一距离；为第p个超像素中含有的像素点的个数，为第q个超像素中含有的像素点的个数；为第p个超像素中的像素点，为q个超像素中的像素点；为像素点的灰度值，为像素点的灰度值；计算其中任意一个超像素的局部密度，以及当前超像素到局部密度更大且距离最近的超像素的第二距离；所述局部密度为：其中，为第p个超像素的局部密度；为第p个超像素和第q个超像素之间的第一距离；为第q个超像素中含有的像素点的个数；为超像素的总个数，，；为截断距离；所述第二距离为：其中，为第p个超像素到局部密度更大且距离最近的超像素的第二距离；为第p个超像素的局部密度；为第q个超像素的局部密度；为第p个超像素和第q个超像素之间的第一距离；以局部密度为横轴，以第二距离为纵轴，生成第一决策图，并将所述第一决策图进行归一化，得到第二决策图，其中代表最小值，代表最大值；将所述第二决策图映射到第三决策图，并将所述第三决策图进行归一化，得到第四决策图；将第四决策图中包含的元素值按照从大到小的顺序进行排列，依次计算出当前元素与后一元素的差值绝对值，将其中最大的差值绝对值对应的索引值作为聚类簇数；所述将所述第二决策图映射到第三决策图，包括：其中，为超像素的总个数；为阈值，且；为约束条件下第二决策图的数量；为指示函数；为首项为0，末项为1，公差为的等差数列，，为常数，，；所述采用优化后的隶属度改进模糊C均值聚类算法，对所述超像素进行二次分割，得到二次分割后的图像，包括：初始化隶属度矩阵，得到初始隶属度矩阵；所述初始隶属度矩阵为：其中，为初始隶属度矩阵；为超像素对第k个簇的初始隶属度；为聚类簇数；为超像素总个数；根据计算每个簇的簇中心，得到簇中心集合；其中，为第k个簇的簇中心；为超像素对第k个簇的隶属度；为超像素对应的灰度值；为模糊指数；为超像素的总个数；根据计算每个超像素对第k个簇的隶属度，得到隶属度矩阵；其中，为第个簇中心，为第k个簇中心；为超像素对应的灰度值；为聚类簇数；为模糊指数；若达到终止迭代条件，则输出最后一次计算的隶属度矩阵；否则继续迭代计算；得到所述最后一次计算的隶属度矩阵后，将所述隶属度分配到目标图像中的每个像素点，选择预设大小的局部窗口，统计所述局部窗口内中心像素点i对第k个簇的优化隶属度：其中，是以像素点i为中心的局部窗口，为局部窗口内像素点j对第k个簇的隶属度；为高斯核函数，所述高斯核函数用于反映局部窗口内像素点j对第k个簇的隶属度对于中心像素点对第k个簇的隶属度的影响程度；重新统计每个超像素对第k个簇优化隶属度：其中为超像素对第k个簇优化后的隶属度；为像素点对第k个簇优化后的隶属度；为第p个超像素中含有的像素点的个数；根据最大隶属度原则，由确定各超像素隶属的簇，得到二次分割后的图像，其中，为超像素所属的簇；为超像素对第k个簇优化后的隶属度。

全文数据：

权利要求：

百度查询： 北京帝测科技股份有限公司 基于超像素和改进模糊C均值聚类的自动图像分割方法