一种图像分割算法

摘要

本发明提出了一种图像分割算法，该算法将聚类分析算法有效地与图像分割进行结合，该算法的主要步骤如下：步骤1：图像特征数据采集，得到初始数据集；步骤2：对初始数据集预处理，得到矩阵；步骤3：进行矩阵运算得到聚类结果矩阵；步骤4：迭代获取最优的聚类类别和稳定的聚类结果；步骤5：得到最优聚类类别数后，将相同类别的像素点聚成一类，利用图像处理的方法将图像还原，最终得到图像分割的效果图。

主权项

一种图像分割算法，该算法涉及图像处理、图像识别领域，其特征是：该算法的具体实施步骤如下：步骤1：图像特征数据采集：将待分割图像，按照图像像素大小均匀分成若干等分，可以分成88，1616，3232大小，一般来说分块方案按照图像像素来决定，分好块以后，计算出每一等份中的像素的平均RGB值，并以该值作为该份的代表值，将这些代表值作为后续算法的初始数据集：表示第j块图像块的平均RGB值，i表示第j块图像块中第i个像素，R/G/B分别表示像素对应的RGB值；步骤2：对初始数据集预处理：将放入数据集X中，，将聚类目标函数表示为：由此得到参数：其中，参数是数据点对于类别j的模糊隶属度，每个样本点的隶属度之和均为1，为第i组聚类中心与第j个数据点之间的欧几里得距离，m是加权指数，通过公式聚类后，X集被划分为C类，并通过参数可以得到的U矩阵：其中，；步骤3：矩阵运算：首先，定义一维向量，其中为U矩阵j列最大下标i的值，每个表示对应的所属的类别；其次，定义判别矩阵O，该矩阵完全由一维向量L的值所决定：O矩阵实际上表示的是数据点之间的关系，若，则说明和在同一类别中，若，则说明两个点不在一个类别中，所以O矩阵即是在给定类别数后产生的聚类结果矩阵；步骤4：迭代获取最优结果：定义迭代判别矩阵：判别矩阵J包含了所有数据点之间的关系，矩阵中的值越大，说明两点之间的联系越强，被聚成一类的可能性越大，迭代过程是将J矩阵每次递减1，直到变成零矩阵，每递减一次，通过图的广度优先搜索算法计算J矩阵对应的邻接图的子图数量M，将结果存入一维向量中，找出Y中出现次数最多的，该值即为最优的聚类类别数，得到的聚类结果也是稳定的；步骤5：合成效果图：通过上述过程可以得到最优聚类类别数，即为图像分割的类别数以及每个像素点所属类别，将相同类别的像素点聚成一类，利用图像处理的方法将图像还原，最终得到图像分割的效果图。