基于種子集的半監(jiān)督rflicm聚類的圖像分割方法
【專利摘要】本發(fā)明涉及一種基于種子集的半監(jiān)督RFLICM聚類的圖像分割方法，其特征是：至少包括如下步驟：步驟101：開始基于種子集的半監(jiān)督RFLICM聚類的圖像分割方法；步驟102：導(dǎo)入待分割的圖像，標(biāo)記為A；步驟103：對(duì)圖像A進(jìn)行加噪處理；步驟104：對(duì)加噪后的圖像使用基于種子集的半監(jiān)督RFLICM聚類方法進(jìn)行聚類，該聚類為圖像的最終分割結(jié)果；步驟105：結(jié)束基于種子集的半監(jiān)督RFLICM聚類的圖像分割方法。該方法不僅體現(xiàn)了半監(jiān)督聚類在聚類過程中的優(yōu)勢(shì)，而且利用了RFLICM算法加入局部空間信息和灰度信息，所以此算法能夠利用更多的局部紋理信息，因此對(duì)噪聲和輪廓具有很好的魯棒性，且能很好的保留圖像的細(xì)節(jié)，從而使得準(zhǔn)確度大大改善。
【專利說明】基于種子集的半監(jiān)督RFLICM聚類的圖像分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，涉及圖像分割，特別是一種基于種子集的半監(jiān)督RFLICM聚類的圖像分割方法，可用于對(duì)噪聲人工圖像、自然圖像和SAR圖像進(jìn)行目標(biāo)識(shí)別和目標(biāo)檢測(cè)。
【背景技術(shù)】
[0002]聚類分析是數(shù)理統(tǒng)計(jì)中的一種多元分析方法，它是用數(shù)學(xué)方法定量地確定樣本之間的親疏關(guān)系，從而客觀地劃分其類型。而模糊聚類是一種基于模糊理論的聚類算法，它是將數(shù)據(jù)集中的數(shù)據(jù)根據(jù)其相對(duì)于聚類中心的隸屬度進(jìn)行分類。模糊c均值(Fuzzy C-Means, FCM)是一種常用的無監(jiān)督聚類算法，已經(jīng)在模式分類、醫(yī)學(xué)圖像分割等領(lǐng)域中得到了廣泛應(yīng)用。但是，由于標(biāo)準(zhǔn)的FCM聚類算法沒有顧及像素的空間信息，從而使得該算法對(duì)噪聲比較敏感。針對(duì)這個(gè)缺點(diǎn)，10年提出了改進(jìn)的FCMjPFLICM (FuzzyLocal Information C-means)算法，這個(gè)算法以一種新的模糊方式加入局部空間信息和灰度信息，因此對(duì)噪聲和輪廓具有很好的魯棒性。但是如果中心像素和近鄰像素屬于非同質(zhì)區(qū)域，這種算法可能影響聚類性能，所以后來又對(duì)其進(jìn)行了改進(jìn)，提出了 RFLICM(ReformulatedFLICM)聚類算法，但這些算法都屬于無監(jiān)督聚類算法，即根據(jù)數(shù)據(jù)集潛在的相似性和合適的測(cè)度對(duì)輸入數(shù)據(jù)集進(jìn)行聚類，但這種方法有時(shí)得不到好的分類結(jié)果。而監(jiān)督分類需要大量的訓(xùn)練數(shù)據(jù)集來設(shè)計(jì)分類器，如果選擇的訓(xùn)練數(shù)據(jù)集不足以估計(jì)分類的參數(shù)，得到的分類效果也不好?；谏鲜鰡栴}，近年出現(xiàn)的半監(jiān)督聚類越來越引起人們的關(guān)注。
[0003]在現(xiàn)有的半監(jiān)督聚類算法中，基于約束的方法被廣泛采用。該方法使用少量監(jiān)督信息約束聚類的搜索過程，指導(dǎo)算法向一個(gè)比較好的劃分進(jìn)行。其中的監(jiān)督信息可以是約束對(duì)或者是樣本的類別標(biāo)記。而基于種子集的半監(jiān)督聚類方法，一般使用少量labeled樣本來指導(dǎo)聚類過程，但是如何更有效的使用這些信息，也是目前的研究方向。
[0004]由Dunn提出的FCM算法是一種最經(jīng)典，也是目前使用最為廣泛的模糊聚類算法，但由于FCM沒有顧及像素的空間信息，因此對(duì)噪聲和輪廓缺乏魯棒性，其聚類效果較差。為了克服FCM聚類的缺點(diǎn)，提高聚類的效果，10年S.Krinidis和V.Chatzis提出了一種魯棒性的模糊局部信息C均值聚類算法(FLICM)，這個(gè)算法以一種新的模糊方式加入局部空間信息和灰度信息，因此對(duì)噪聲和輪廓具有很好的魯棒性，且能很好的保留圖像的細(xì)節(jié)，而且提出的算法不需要調(diào)整任何參數(shù)。但是在一些情況下，這種算法使用空間距離來試圖衡量近鄰像素和中心像素的衰減程度可能不合理，因?yàn)橹行南袼睾徒徬袼乜赡軐儆诜峭|(zhì)區(qū)域。針對(duì)以上提出的這個(gè)缺點(diǎn)，12年，公茂果等對(duì)其進(jìn)行了修改，提出了 RFLICM聚類算法，本算法使用像素的局部系數(shù)來代替空間距離，此局部系數(shù)能夠反應(yīng)局部窗口的灰度值同質(zhì)程度，而且由于局部窗口中每個(gè)像素的局部系數(shù)被計(jì)算，所以此算法能夠利用更多的局部紋理信息，因此對(duì)噪聲和輪廓具有很好的魯棒性。但是由于它的初始聚類中心也是隨機(jī)選擇的，所以算法也易陷入局部最優(yōu)。
【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于針對(duì)以上現(xiàn)有無監(jiān)督聚類技術(shù)的不足，提出了一種基于種子集的半監(jiān)督RFLICM聚類方法，該方法不僅體現(xiàn)了半監(jiān)督聚類在聚類過程中的優(yōu)勢(shì)，而且利用了 RFLICM算法加入局部空間信息和灰度信息，所以此算法能夠利用更多的局部紋理信息，因此對(duì)噪聲和輪廓具有很好的魯棒性，且能很好的保留圖像的細(xì)節(jié)，從而使得準(zhǔn)確度大大改善。
[0006]實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是:基于種子集的半監(jiān)督RFLICM聚類的圖像分割方法，其特征是:至少包括如下步驟:
[0007]步驟101:開始基于種子集的半監(jiān)督RFLICM聚類的圖像分割方法；
[0008]步驟102:導(dǎo)入待分割的圖像，標(biāo)記為A ；
[0009]步驟103:對(duì)圖像A進(jìn)行加噪處理；
[0010]步驟104:對(duì)加噪后的圖像使用基于種子集的半監(jiān)督RFLICM聚類方法進(jìn)行聚類，該聚類為圖像的最終分割結(jié)果；
[0011]步驟105:結(jié)束基于種子集的半監(jiān)督RFLICM聚類的圖像分割方法。
[0012]所述的步驟104，包括如下步驟:
[0013]步驟201:開始對(duì)加噪后的圖像使用基于種子集的半監(jiān)督RFLICM聚類方法進(jìn)行聚類。
[0014]步驟202:初始化:給定有部分標(biāo)記數(shù)據(jù)的數(shù)據(jù)集X=[Xb XJ，初始化c、m、迭代截止誤差值ε、算法的最大迭代次數(shù)Tmax ；
[0015]步驟203:初始化模糊劃分矩陣[V %丨]。其中，Ub是已標(biāo)記數(shù)據(jù)Xb的化
分矩陣，取值按硬劃分賦值。Uu是未標(biāo)記數(shù)據(jù)Xu的模糊化分矩陣，按約束條件隨機(jī)初始化。用標(biāo)記數(shù)據(jù)Xb的加權(quán)平均來初始化聚類中心；
[0016]步驟204:設(shè) b=0 ；
[0017]步驟205:使用以下式子更新聚類中心；
【權(quán)利要求】
1.基于種子集的半監(jiān)督RFLICM聚類的圖像分割方法，其特征是:至少包括如下步驟: 步驟101:開始基于種子集的半監(jiān)督RFLICM聚類的圖像分割方法； 步驟102:導(dǎo)入待分割的圖像，標(biāo)記為A ； 步驟103:對(duì)圖像A進(jìn)行加噪處理； 步驟104:對(duì)加噪后的圖像使用基于種子集的半監(jiān)督RFLICM聚類方法進(jìn)行聚類，該聚類為圖像的最終分割結(jié)果； 步驟105:結(jié)束基于種子集的半監(jiān)督RFLICM聚類的圖像分割方法。
2.根據(jù)權(quán)利要求1所述的基于種子集的半監(jiān)督RFLICM聚類的圖像分割方法，其特征是:所述的步驟104，包括如下步驟: 步驟201:開始對(duì)加噪后的圖像使用基于種子集的半監(jiān)督RFLICM聚類方法進(jìn)行聚類；步驟202:初始化:給定有部分標(biāo)記數(shù)據(jù)的數(shù)據(jù)集X=[Xb Xu]，初始化c、m、迭代截止誤差值ε、算法的最大迭代次數(shù)Tmax ； 步驟203:初始化模糊劃分矩陣％ = Wb;其中，Ub是已標(biāo)記數(shù)據(jù)Xb的化分矩陣，取值按硬劃分賦值；Uu是未標(biāo)記數(shù)據(jù)Xb的模糊化分矩陣，按約束條件隨機(jī)初始化；用標(biāo)記數(shù)據(jù)Xu的加權(quán)平均來初始化聚類中心； 步驟204:設(shè)b=0 ； 步驟205:使用以下式子更新聚類中心；
【文檔編號(hào)】G06K9/62GK103700108SQ201310733076
【公開日】2014年4月2日 申請(qǐng)日期:2013年12月24日 優(yōu)先權(quán)日:2013年12月24日
【發(fā)明者】尚榮華, 焦李成, 李巧鳳, 公茂果, 吳建設(shè), 李巧蘭, 李陽陽, 馬文萍, 馬晶晶 申請(qǐng)人:西安電子科技大學(xué)