二次聚類圖像分割算法-論文.pdf

《二次聚類圖像分割算法-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、山西電子技術(shù)應(yīng)用實踐2014年第3期文章編號：1674．4578(2014)03—0050—02二次聚類圖像分割算法李申燕(廣州颯特紅外股份有限公司，廣東廣州510730)摘要：圖像分割技術(shù)在各個領(lǐng)域中應(yīng)用廣泛，簡單描述了模糊c均值聚類算法，在此基礎(chǔ)上利用圖像(1，僅，B)顏色空間分離，將亮度空間進(jìn)行二次聚類，根據(jù)像素點到第二次聚類中心的隸屬度所得整幅圖像的聚類域．能有效的將灰度圖像或彩色圖像中相似區(qū)域聚集分類，為圖像預(yù)處理提供很大幫助。通過實驗驗證了算法的有效性。關(guān)鍵詞：圖像分割；二次聚類；顏

2、色空間；相似區(qū)域中圖分類號：TP391．41；TP301．6文獻(xiàn)標(biāo)識碼：A圖像分割一般是基于圖像亮度的兩個基本特性之一：一次聚類中心，根據(jù)像素點到第二次聚類中心的隸屬度函數(shù)所是不連續(xù)性，如圖像的邊緣，二是相似性，如門限處理、區(qū)域得整幅圖像的聚類域。生長、區(qū)域分離和聚類?。目前最常見的聚類分割算法是模設(shè)待處理的圖像，大小為HS，即進(jìn)行顏色聚類分析糊c均值聚類(FCM)分割算法，該算法具有良好的局部收的元素個數(shù)為Ⅳ，N=HS，則，可表示成集合，={，2，斂特性，另一方面，它適合在高維特征空間中進(jìn)行像

3、素的分?，}以圖像，的每一行為一個子集將圖像分為個子集，類。雖然該方法具有良好的分割效果，但是性能依靠初始化記為，m，m：1，2，?，日。，m={】，，?，}，，為m子集聚類中心，須事先確定聚類數(shù)日，每次迭代優(yōu)化都要計算聚類中心和隸屬度矩陣，計算量大。因此，提高圖像分割的速的像素點。先定義u()={：，則數(shù)據(jù)點，的密度度是圖像處理中重要的價值。為：本文在FCM的基礎(chǔ)上提出了二次聚類圖像分割算法。根據(jù)圖像的(1，，口)顏色空間，將圖像進(jìn)行二次聚類劃分為D()=∑u(r—dU)．(3)若干具有不同顏

4、色特征或亮度的聚類域。從而實現(xiàn)圖像的d數(shù)據(jù)點到數(shù)據(jù)點的歐氏距離。這里r取適當(dāng)全局分割。值。如果數(shù)據(jù)點，EP具有最大的分布密度，那么子集，m1本文算法的第一個聚類中心為：1．1lafl顏色空間∑x7‘()1口顏色空間是Ruderman等人基于人類視覺對圖像數(shù)EC．m——．．．．．．!：!．．．．．．．．．．一一(4)據(jù)的感知研究提出的J，其中，1表示非彩色亮度通道；表∑示彩色的黃一藍(lán)通道；口表示紅一綠通道。本文算法首先把∈C圖像轉(zhuǎn)換到(2，，)顏色空間，其轉(zhuǎn)換過程如下：cS為鄰域內(nèi)的數(shù)據(jù)點集。找出

5、第一個聚類中心后，1)RGB到z顏色空間的變換：先轉(zhuǎn)換到LMS空間，再接著在集合{，m—cs}中查找具有最大密度的數(shù)據(jù)值作為第轉(zhuǎn)換到￡JB空間。二個聚類中心記為c，數(shù)據(jù)點集記為c。重復(fù)同樣的過『I-]I=l『?！?¨。。7。‘2R]程直至一∑c2=0，k為獲得的中心個數(shù)。令m：1，2，l0．19670．72440．0782IGI．(1)?s．Jlo．0241o．12880．8444lIBJ，日，重復(fù)上述過程可獲得第一次聚類中心集(l，，?，)和對應(yīng)的分布密度。對這個數(shù)據(jù)集進(jìn)行第一次聚類，密度函數(shù)

6、改為：ncD∑(r—do)·D()．(5)』=I其中、D()分別為第一次聚類獲得的中心個數(shù)和中心密度。與第一次聚類相同直到數(shù)據(jù)集(。，2，?，)為1．2二次聚類算法空集。根據(jù)式(2)計算聚類中心c，cc2，?，c。為第二首先圖像分成若干個子集，對各個子集進(jìn)行第一次聚次獲得的聚類域個數(shù)。計算圖像每個像素點x到聚類中心類，然后將第一次聚類中心組成一個集合再次聚類求得第二的隸屬度函數(shù)：收稿日期：2014—04—14作者簡介：李申燕(1982一)，女，吉林人，碩士研究生，研究方向：圖像處理。