一種圖像分割裝置制造方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種圖像分割裝置，更具體的講是一種基于K-MEANS聚類(lèi)法進(jìn)行彩色圖像分割，選擇顏色和紋理特征進(jìn)行聚類(lèi)分析的圖像分割裝置。包括圖像特征提取、創(chuàng)建聚類(lèi)、計(jì)算聚類(lèi)均值、計(jì)算距離、劃分調(diào)整聚類(lèi)和判斷對(duì)象均值是否變化六個(gè)步驟。
【專(zhuān)利說(shuō)明】一種圖像分割裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像分割領(lǐng)域，更具體的講是一種基于K-MEANS聚類(lèi)法進(jìn)行彩色圖像分割，選擇顏色和紋理特征進(jìn)行聚類(lèi)分析的圖像分割裝置。
【背景技術(shù)】
[0002]圖像分割是一種基本的計(jì)算機(jī)視覺(jué)技術(shù)，是圖像分析和模式識(shí)別需要解決的首要問(wèn)題和基本問(wèn)題，是從圖像處理到圖像分析的關(guān)鍵步驟，圖像分割結(jié)果的好壞直接影響對(duì)圖像的識(shí)別和理解。
目前，彩色圖像分割有多種分類(lèi)方法，如把圖像分割問(wèn)題看作是基于顏色和空間特征的分類(lèi)問(wèn)題，可以分為有監(jiān)督和無(wú)監(jiān)督分類(lèi)問(wèn)題。有監(jiān)督算法包括最大似然樹(shù)、決策樹(shù)、K最近鄰、神經(jīng)元網(wǎng)絡(luò)等，無(wú)監(jiān)督的有自適應(yīng)閾值法、模糊C 一均值、球坐標(biāo)變換/中心分裂、主分量變換、分裂合并、多分辨率等。另外大部分的灰度圖像分割技術(shù)也可以擴(kuò)展到彩色圖像。目前，許多彩色圖像分割方法不僅把灰度圖像分割方法應(yīng)用于不同的顏色空間，而且可以直接應(yīng)用于每個(gè)顏色分量上，其結(jié)果再通過(guò)一定的方式進(jìn)行組合，即可獲得最后的分割效果。
[0003]

【發(fā)明內(nèi)容】

[0004]為了實(shí)現(xiàn)上述目的，本發(fā)明公開(kāi)了一種圖像分割裝置，更具體的講是一種基于K-MEANS聚類(lèi)法進(jìn)行彩色圖像分割，選擇顏色和紋理特征進(jìn)行聚類(lèi)分析的圖像分割裝置。
[0005]本發(fā)明是采取以下技術(shù)方案實(shí)現(xiàn)的:一種圖像分割裝置，包括圖像特征提取、創(chuàng)建聚類(lèi)、計(jì)算聚類(lèi)均值、計(jì)算距離、劃分調(diào)整聚類(lèi)和判斷對(duì)象均值是否變化六個(gè)步驟。
[0006]本發(fā)明的實(shí)現(xiàn)還包括以下的技術(shù)方案:
所述圖像特征提取步驟包括顏色特征的提取和紋理特征的提取兩個(gè)部分。
[0007]上述顏色特征的提取采用Lab色彩模型方法。
[0008]上述紋理特征的提取采用基于圖像的灰度共生矩陣提取圖像的紋理特征。
[0009]所述計(jì)算距離步驟采用馬氏距離。
[0010]本發(fā)明的優(yōu)點(diǎn)和有益效果，具體體現(xiàn)在以下幾個(gè)方面:
1.近年的一些研究表明，融合多種圖像特征更有利于獲得較好的分割效果，本發(fā)明選擇顏色和紋理特征進(jìn)行聚類(lèi)分析。
[0011]2.本發(fā)明中所選用的計(jì)算距離的方法對(duì)于局部細(xì)節(jié)的分割有顯著的優(yōu)勢(shì)。
[0012]3.本發(fā)明中所選用的顏色特征的提取方法具有寬闊的色域，不僅包含了 RGB的所有色域，而且彌補(bǔ)了 RGB色彩模型色彩分布不均的問(wèn)題。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0013]圖1是本發(fā)明的執(zhí)行步驟示意圖。【具體實(shí)施方式】
[0014]以下結(jié)合說(shuō)明書(shū)附圖1對(duì)本發(fā)明的實(shí)施做進(jìn)一步詳述:
本發(fā)明是采取以下技術(shù)方案實(shí)現(xiàn)的:一種圖像分割裝置，包括圖像特征提取、創(chuàng)建聚類(lèi)、計(jì)算聚類(lèi)均值、計(jì)算距離、劃分調(diào)整聚類(lèi)和判斷對(duì)象均值是否變化六個(gè)步驟。
[0015]所述圖像特征提取步驟包括顏色特征的提取和紋理特征的提取兩個(gè)部分。
[0016]顏色特征的提取
顏色特征是在圖像分割中應(yīng)用最為廣泛的視覺(jué)特征，本發(fā)明中采用了 Lab色彩模型。Lab色彩模型中L表示照度，a表示從紅色至綠色的范圍，b表示從藍(lán)色至黃色的范圍。在Lab模式下，圖像的亮度信息和色彩信息被分開(kāi)保存，調(diào)整顏色通道時(shí)亮度通道將保持不變。這樣L通道可以看作是一影像的灰度版，其中保存了圖像的細(xì)節(jié)信息，因此利用L通道可容易區(qū)分自然圖像中的明暗細(xì)節(jié)。此外Lab模型具有寬闊的色域，不僅包含了 RGB的所有色域，而且彌補(bǔ)了 RGB色彩模型色彩分布不均的問(wèn)題。
[0017]紋理特征的提取
紋理通常指在圖像中反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)則，具有不依賴于顏色或照度并可以反映圖像中同質(zhì)現(xiàn)象的特點(diǎn)，是一種非常有效的圖像特征，本發(fā)明中采用基于圖像的灰度共生矩陣提取圖像的紋理特征?；叶裙采仃嚪从沉藞D像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息，是分析圖像的局部特征和排列規(guī)律的基礎(chǔ)。根據(jù)共生矩陣，可以計(jì)算熵、對(duì)比度、能量、相關(guān)、方差等16種用于提取圖像中紋理信息的特征統(tǒng)計(jì)量。本發(fā)明選擇了對(duì)比度、能量、相關(guān)性、同質(zhì)性描述圖像的紋理特征。
[0018]所述創(chuàng)建聚類(lèi)步驟的具體實(shí)現(xiàn)方式是:從η個(gè)數(shù)據(jù)對(duì)象任意選擇K個(gè)對(duì)象作為聚類(lèi)。
[0019]所述計(jì)算距離步驟的具體實(shí)現(xiàn)方式是:根據(jù)每個(gè)聚類(lèi)對(duì)象的均值(中心對(duì)象)，計(jì)算每個(gè)對(duì)象些中心對(duì)象的距離。計(jì)算距離方法的選擇對(duì)K均值聚類(lèi)效果的影響很大，常用的方法有歐氏距離、曼哈頓距離和馬氏距離，由于歐氏距離和曼哈頓距離相似性判定的局限，對(duì)于自然景物中大范圍色塊的分割處理較好，對(duì)于局部細(xì)節(jié)的分割則顯得不盡人意，本發(fā)明采用馬氏距離。
[0020]馬氏距離是由印度統(tǒng)計(jì)學(xué)家馬哈拉諾比斯提出的，表示數(shù)據(jù)的協(xié)方差距離。與歐式距離不同的它考慮到各種特性之間的聯(lián)系，并且是尺度無(wú)關(guān)的，即獨(dú)立于量尺度。對(duì)于
一個(gè)均值為a = (MrMfWi)協(xié)方差矩陣為Σ的多變量向量x=(x1,x2...xp)其馬氏
距離為:=
【權(quán)利要求】
1.一種圖像分割裝置，其特征在于:包括圖像特征提取、創(chuàng)建聚類(lèi)、計(jì)算聚類(lèi)均值、計(jì)算距離、劃分調(diào)整聚類(lèi)和判斷對(duì)象均值是否變化六個(gè)步驟。
2.根據(jù)權(quán)利要求1所述的一種圖像分割裝置，其特征在于:所述圖像特征提取步驟包括顏色特征的提取和紋理特征的提取兩個(gè)部分。
3.根據(jù)權(quán)利要求2所述圖像特征提取步驟，其特征在于:所述顏色特征的提取采用Lab色彩模型方法。
4.根據(jù)權(quán)利要求2所述圖像特征提取步驟，其特征在于:所述紋理特征的提取采用基于圖像的灰度共生矩陣提取圖像的紋理特征。
5.根據(jù)權(quán)利要求1所述的一種圖像分割裝置，其特征在于:所述計(jì)算距離步驟采用馬氏距離。
6.根據(jù)權(quán)利要求1所述的一種圖像分割裝置，其特征在于:所述劃分調(diào)整聚類(lèi)步驟的具體實(shí)現(xiàn)方式是:根據(jù)最小距離重新對(duì)相應(yīng)對(duì)象進(jìn)行劃分。
7.根據(jù)權(quán)利要求1所述的一種圖像分割裝置，其特征在于:所述判斷對(duì)象均值是否變化步驟的具體實(shí)現(xiàn)方式是:計(jì)算每個(gè)(有變化)聚類(lèi)的均值，循環(huán)創(chuàng)建聚類(lèi)步驟到計(jì)算距離步驟，直到每個(gè)聚類(lèi)不再發(fā)生變化為止。
【文檔編號(hào)】G06T7/00GK103886574SQ201310433391
【公開(kāi)日】2014年6月25日 申請(qǐng)日期:2013年9月22日 優(yōu)先權(quán)日:2013年9月22日
【發(fā)明者】牛曉芳 申請(qǐng)人:天津思博科科技發(fā)展有限公司