主权项 |
一种基于像素数聚类的模糊C‑均值灰度图像分割方法,包括如下步骤:(1)读入一幅不含噪声的灰度图像I,并统计灰度图像I的灰度直方图GH为GH={n<sub>l</sub>,l=0,1,...,255},l是灰度图像I的灰度级,n<sub>l</sub>是灰度级l的像素点个数;(2)根据灰度直方图GH随机初始化聚类中心C为C={c<sub>i</sub>,i=1,...,N},c<sub>i</sub>为第i类的聚类中心,N为灰度图像I的分割类别数;(3)根据聚类中心C计算每个灰度级l到每个聚类中心c<sub>i</sub>的欧式距离d<sub>il</sub>;(4)根据欧式距离d<sub>il</sub>,计算每个灰度级l到每个聚类中心c<sub>i</sub>所包含的小于该灰度级l到该聚类中心c<sub>i</sub>的所有灰度级的像素点个数S<sub>il</sub>:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>S</mi><mrow><mi>i</mi><mi>l</mi></mrow></msub><mo>=</mo><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><munderover><mo>Σ</mo><mrow><mi>k</mi><mo>=</mo><mn>0</mn></mrow><mi>L</mi></munderover><msub><mi>n</mi><mi>k</mi></msub><mo>,</mo></mrow></mtd><mtd><mrow><msub><mi>d</mi><mrow><mi>i</mi><mi>k</mi></mrow></msub><mo><</mo><msub><mi>d</mi><mrow><mi>i</mi><mi>l</mi></mrow></msub></mrow></mtd></mtr><mtr><mtd><mrow><mn>1</mn><mo>,</mo></mrow></mtd><mtd><mrow><msub><mi>d</mi><mrow><mi>i</mi><mi>k</mi></mrow></msub><mo>></mo><msub><mi>d</mi><mrow><mi>i</mi><mi>l</mi></mrow></msub></mrow></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0000796815930000011.GIF" wi="483" he="212" /></maths>其中,n<sub>k</sub>是灰度级为k的像素点的个数,d<sub>ik</sub>是灰度级k到每个聚类中心c<sub>i</sub>的欧式距离,d<sub>il</sub>是灰度级l到聚类中心c<sub>i</sub>的欧氏距离,L是灰度图像I中灰度级的总个数;(5)在像素点个数S<sub>il</sub>中,以灰度级l为基准,找到灰度级l与每个聚类中心c<sub>i</sub>的像素点个数S<sub>il</sub>中最小的聚类中心c<sub>f</sub>,并将灰度级l分到最小的聚类中心c<sub>f</sub>所对应的第f类,由此得到分类结果G;(6)根据分类结果G,计算分类结果G中第i类的像素均值F,并将第i类的像素均值F作为第i类的聚类中心v<sub>i</sub>,由此组成新聚类中心V为V={v<sub>i</sub>,i=1,....,N};(7)根据新聚类中心V,用模糊C均值FCM方法对新聚类中心V进行更新操作,生成更新后聚类中心Z;(8)根据更新后聚类中心Z,计算每个灰度级l与聚类中心z<sub>i</sub>之间的欧式距离w<sub>il</sub>;(9)根据欧式距离w<sub>il</sub>和灰度直方图GH,计算每个灰度级l到每个聚类中心z<sub>i</sub>所包含的小于该灰度级l到该聚类中心z<sub>i</sub>的所有灰度级的像素点个数P<sub>il</sub>:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mi>P</mi><mrow><mi>i</mi><mi>l</mi></mrow></msub><mo>=</mo><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><munderover><mo>Σ</mo><mrow><mi>k</mi><mo>=</mo><mn>0</mn></mrow><mi>L</mi></munderover><msub><mi>n</mi><mi>k</mi></msub><mo>,</mo></mrow></mtd><mtd><mrow><msub><mi>w</mi><mrow><mi>i</mi><mi>k</mi></mrow></msub><mo><</mo><msub><mi>w</mi><mrow><mi>i</mi><mi>l</mi></mrow></msub></mrow></mtd></mtr><mtr><mtd><mrow><mn>1</mn><mo>,</mo></mrow></mtd><mtd><mrow><msub><mi>w</mi><mrow><mi>i</mi><mi>k</mi></mrow></msub><mo>></mo><msub><mi>w</mi><mrow><mi>i</mi><mi>l</mi></mrow></msub></mrow></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0000796815930000012.GIF" wi="491" he="212" /></maths>其中,w<sub>ik</sub>是灰度级k到每个聚类中心z<sub>i</sub>的欧式距离,w<sub>il</sub>是灰度级l到聚类中心z<sub>i</sub>的欧氏距离;(10)在像素点个数P<sub>il</sub>中,以灰度级l为基准,找到灰度级l与每个聚类中心z<sub>i</sub>的像素点个数P<sub>il</sub>中最小的聚类中心z<sub>f</sub>,并将灰度级l分到最小的聚类中心z<sub>f</sub>所对应的第f类,由此得到最终的分类结果。 |