基于模糊C均值聚类和空间信息的多尺度纹理图像分割方法

摘要

本发明公开了一种基于模糊C均值FCM聚类和空间信息的多尺度纹理图像分割方法，主要解决图像分割质量差的问题。其实现过程为：输入待分割纹理图像并对其进行二维离散小波变换，计算每个小波系数对应的特征向量；对小波变换的最粗尺度分割；计算最粗尺度各系数对应的空间坐标因子，将其加入到传统FCM聚类算法的目标函数中，得到该尺度的分割结果类标图和标记场；采用自适应尺度确定的多尺度分割方法得到下一尺度的分割结果类标图，直至得到的分割结果类标图是最细尺度处的；将最细尺度的分割结果作为最终分割结果输出。本发明具有分割边缘准确和分割区域一致性好的优点，可用于对纹理图像，以及包含纹理信息的SAR图像、遥感图像和医学图像的分割。

主权项

1、一种基于模糊C均值聚类和空间信息的多尺度纹理图像分割方法，包括如下过程：(1)输入一幅大小为n×n的纹理图像；(2)对输入图像进行N层二维离散小波变换，3≤N≤log2(n)，得到小波系数w，并计算每个变换尺度处的小波系数对应的特征向量；(3)采用传统的模糊C均值聚类算法对最粗尺度J＝N进行分割，得到最粗尺度的初始分割结果；(4)利用得到的初始分割结果，计算在最粗尺度J＝N处模糊C均值聚类中的空间坐标因子，并将该空间坐标因子加入到传统的模糊C均值聚类算法的目标函数中，实现对最粗尺度聚类，得到最粗尺度对应的分割结果类标图；(5)根据分割结果类标图，确定分解尺度J上衡量其类标可靠性的标记场{ai}，ai∈A，A＝{0，1}，i表示图像对应的物理坐标；(6)根据标记场，采用自适应尺度确定的多尺度分割方法，得到下一尺度J＝J-1的分割结果类标图；(7)判断所得分割结果类标图是否为最细尺度J＝0处的分割结果，如果是尺度J＝0处的结果，则纹理分割结束；否则，重复步骤(6)～步骤(7)直到得到尺度J＝0处的分割结果，并将该分割结果作为输入图像的最终分割结果输出。