基于局部像素分類的彩色圖像分割方法
【專利摘要】本發(fā)明公開了一基于局部像素分類的彩色圖像分割方法，首先利用四元數(shù)PHT提取像素級(jí)顏色特征；然后利用ACS-FCM選取訓(xùn)練樣本；最后利用訓(xùn)練后的TWSVM模型進(jìn)行分類，通過使用非平行平面，為兩類數(shù)據(jù)分別構(gòu)造單獨(dú)的超平面，并盡可能使每個(gè)超平面距離本類樣本近，距它類樣本遠(yuǎn)，進(jìn)而獲得更好的分類模型且速度明顯快于傳統(tǒng)的LS-SVM。本發(fā)明由于結(jié)合了ACS和FCM，利用ACS的全局性和魯棒性克服了FCM分割不夠精確、易陷入局部最優(yōu)的缺點(diǎn)，能夠很好的保持圖像分量間彼此的聯(lián)系性和相關(guān)性，且很好的刻畫了圖像像素的特征。
【專利說明】基于局部像素分類的彩色圖像分割方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于多媒體信息處理的圖像分割【技術(shù)領(lǐng)域】，尤其是一種可保持圖像分量間 彼此的聯(lián)系性和相關(guān)性，且很好地刻畫了圖像像素的特征的基于局部像素分類的彩色圖像 分割方法。

【背景技術(shù)】
[0002] 圖像分割是將圖像中具有特殊意義的區(qū)域分割開來，便于目標(biāo)檢測(cè)、識(shí)別及圖像 檢索等。雖然人們對(duì)圖像分割技術(shù)已經(jīng)做了大量的研究，但是對(duì)彩色圖像分割的方法較少。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明是為了解決現(xiàn)有技術(shù)所存在的上述技術(shù)問題，提供一種可保持圖像分量間 彼此的聯(lián)系性和相關(guān)性，且很好地刻畫了圖像像素的特征的基于局部像素分類的彩色圖像 分割方法。
[0004] 本發(fā)明的技術(shù)解決方案是：一種基于局部像素分類的彩色圖像分割方法，依次按 照如下步驟進(jìn)行： 步驟1 :選取構(gòu)造彩色圖像每個(gè)像素點(diǎn)(ij)的局部窗口 ,利用四元數(shù)PHT矩分解 求局部窗口的矩值，構(gòu)造像素的特征； 步驟2:將像素點(diǎn)視為螞蟻，聚類中心視為食物源，則聚類的過程即螞蟻覓食過程，利 用ACS-FCM選取訓(xùn)練樣本，所有的訓(xùn)練樣本構(gòu)成訓(xùn)練集，剩下的像素作為測(cè)試集，確定訓(xùn)練 集類標(biāo)簽； 步驟3 :利用訓(xùn)練樣本進(jìn)行TWSVM模型訓(xùn)練，使用訓(xùn)練后的TWSVM模型預(yù)測(cè)測(cè)試集的類 標(biāo)簽，合并訓(xùn)練集和測(cè)試集的類標(biāo)簽向量，作為最后的圖像分割結(jié)果。
[0005] 所述步驟1如下： 步驟11 :對(duì)于給定的一幅原彩色圖像mXn，選取以每個(gè)像素點(diǎn)(U)為中心的5X5局 部窗口Ω?ιν> ; 步驟12 :計(jì)算局部窗口Dy丨的四元數(shù)PHT矩； 步驟13 :通過四元數(shù)PHT矩分解求彩色圖像的矩值A(chǔ)ffi，利用四元數(shù)PHT矩值Α/?求 出幅值,選取-個(gè)矩值作為像素級(jí)特征，且窗口大小為5X5,階數(shù)為3。
[0006] 所述步驟12如下： 步驟121 :假設(shè)/(r，6>)為極坐標(biāo)系下的彩色圖像，則根據(jù)傳統(tǒng)灰度圖像的PHT矩定義及 四元數(shù)理論，定義彩色圖像四元數(shù)PHT矩如下：

【權(quán)利要求】
1. 一種基于局部像素分類的彩色圖像分割方法，其特征在于依次按照如下步驟進(jìn)行： 步驟1 :選取構(gòu)造彩色圖像每個(gè)像素點(diǎn) 仏_/)的局部窗口 ，利用四元數(shù)PHT矩分解求局部窗口的矩值，構(gòu)造像素的特征； 步驟2:將像素點(diǎn)視為螞蟻，聚類中心視為食物源，則聚類的過程即螞蟻覓食過程，利 用ACS-FCM選取訓(xùn)練樣本，所有的訓(xùn)練樣本構(gòu)成訓(xùn)練集，剩下的像素作為測(cè)試集，確定訓(xùn)練 集類標(biāo)簽； 步驟3 :利用訓(xùn)練樣本進(jìn)行TWSVM模型訓(xùn)練，使用訓(xùn)練后的TWSVM模型預(yù)測(cè)測(cè)試集的類 標(biāo)簽，合并訓(xùn)練集和測(cè)試集的類標(biāo)簽向量，作為最后的圖像分割結(jié)果。
2. 根據(jù)權(quán)利要求1所述的基于局部像素分類的彩色圖像分割方法，其特征在于所述步 驟1如下： 步驟11 :對(duì)于給定的一幅原彩色圖像mXn，選取以每個(gè)像素點(diǎn)(I5J)為中心的5X5局 部窗口Daj:.; 步驟12 :計(jì)算局部窗口 的四元數(shù)PHT矩； 步驟13 :通過四元數(shù)PHT矩分解求彩色圖像的矩值A(chǔ)f，利用四元數(shù)PHT矩值A(chǔ)ff.求 出幅值,選取-個(gè)矩值作為像素級(jí)特征，且窗口大小為5X5,階數(shù)為3。
3. 根據(jù)權(quán)利要求2所述的基于局部像素分類的彩色圖像分割方法，其特征在于所述步 驟12如下： 步驟121 :假設(shè)/(r，6>)為極坐標(biāo)系下的彩色圖像，則根據(jù)傳統(tǒng)灰度圖像的PHT矩定義及 四元數(shù)理論，定義彩色圖像四元數(shù)PHT矩如下：
其中，jk是一個(gè)單位純四元數(shù)，蘆=￠+/+詠'占； 步驟122 :利用有限個(gè)四元數(shù)PHT矩來近似重構(gòu)出彩色圖像函數(shù)/(G約，假定W5iiaxS重構(gòu)圖像的最高階數(shù)為重構(gòu)圖像的最大重復(fù)度，在極坐標(biāo)系下，利用下述四元數(shù)PHT 重構(gòu)公式近似地重構(gòu)出彩色圖像函數(shù)/(^句，具體公式為：
4. 根據(jù)權(quán)利要求2或3所述的基于局部像素分類的彩色圖像分割方法，其特征在于所 述步驟2如下： 步驟21 :建立模型，將像素點(diǎn)視為螞蟻，聚類中心視為食物源，則聚類的過程即螞蟻覓 食過程； 步驟2 2 :參數(shù)初始化，給定數(shù)據(jù)樣本集X1. =(XA.Xf2;…，XfttJf= 1，2，Ii,設(shè)置 a、戶、rf/l ?^等參數(shù)的初始值，設(shè)置初始聚類中心給出一個(gè)初始蟻群分配方案，并 計(jì)算數(shù)據(jù)樣本與聚類中心間的加權(quán)歐氏距離：
步驟23:螞蟻的移動(dòng)，對(duì)每一只螞蟻A# =1必…，，根據(jù)轉(zhuǎn)移概率
為其選擇一個(gè)新的節(jié)點(diǎn)，并將螞蟻移動(dòng)到此節(jié)點(diǎn)； 步驟24:-次蟻群聚類完成后，更新各類的聚類中心G-,重新計(jì)算樣本點(diǎn) 到該新的聚類中心的加權(quán)距離
，然后使用更新規(guī)則
對(duì)這2個(gè)聚類中心之間的路徑上的信息素濃度進(jìn)行更新； 步驟25 :目標(biāo)函數(shù)及終止，計(jì)算目標(biāo)函數(shù)如下：
若循環(huán)次數(shù)大于規(guī)定次數(shù)，停止運(yùn)行并輸出圖片為訓(xùn)練樣本，否則轉(zhuǎn)步驟23 ; 步驟26 :所有的訓(xùn)練樣本構(gòu)成訓(xùn)練集，剩下的像素作為測(cè)試集，確定訓(xùn)練集類標(biāo)簽。
5.根據(jù)權(quán)利要求4所述的基于局部像素分類的彩色圖像分割方法，其特征在于所述步 驟3如下： 步驟31 :以訓(xùn)練集訓(xùn)練TWSVM模型； 步驟32 :使用訓(xùn)練后的TWSVM模型預(yù)測(cè)測(cè)試集的類標(biāo)簽，合并訓(xùn)練集和測(cè)試集的類標(biāo) 簽向量，把它作為最后的圖像分割結(jié)果。
【文檔編號(hào)】G06T7/00GK104504698SQ201410795274
【公開日】2015年4月8日 申請(qǐng)日期:2014年12月20日 優(yōu)先權(quán)日:2014年12月20日
【發(fā)明者】王向陽, 孫煒瑋, 牛盼盼 申請(qǐng)人:遼寧師范大學(xué)