基于混合二分图聚类集成的图像分割方法

摘要

本发明公开一种基于混合二分图聚类集成的图像分割方法，主要解决现有技术中集成时需要对类别标记进行配准和信息利用不足的问题。其方法步骤为：(1)输入一幅待分割图像；(2)判断图像是否为彩色图像；(3)提取图像特征；(4)生成特征数据聚类标号；(5)生成解集合；(6)生成级联块矩阵；(7)构建混合二分图；(8)生成嵌入矩阵；(9)K均值聚类；(10)标记图像；(11)产生分割图像。本发明有效的利用了图像初分割结果中的数据和类别信息，能发现更多细节，集成时不需要进行类别标记配准，节省了计算资源；对所有图像像素特征数据进行集成，能够解决子测试样本集对分割结果影响大的问题。

主权项

一种基于混合二分图聚类集成的图像分割方法，包括如下步骤：(1)输入一幅待分割图像(2)判断待分割图像是否为彩色图像2a)读取待分割图像数据，得到像素高度、像素宽度、属性维数的三维数组；2b)判断三维数组中属性维数的个数，如果属性维数大于1，则待分割图像为彩色图像，执行步骤3a)；如果属性维数等于1，则待分割图像为灰度图像，执行步骤3b)；(3)提取图像特征3a)提取图像颜色特征，将步骤2a)中得到的三维数组按照图像数据向量转换方法进行转换，得到每一行中的元素依次为待分割彩色图像的RGB颜色特征的数据向量，将每个数据向量的RGB颜色特征作为待分割彩色图像的特征；3b)提取图像邻域灰度特征，采用八方向邻域灰度均值方法，得到待分割灰度图像每个像素点的八方向邻域灰度特征，将八方向邻域灰度特征作为待分割灰度图像的特征；(4)生成特征数据聚类标号采用随机初始化中心的K均值聚类方法将待分割图像的特征数据样本进行聚类，聚类类别数为待分割图像类别数，距离测度分别选择欧式距离、街区距离和余弦距离，得到待分割图像特征数据样本的三组聚类标号；(5)生成解集合将三组聚类标号中的每一组作为一个聚类解，组成集成解集合；(6)生成级联块矩阵按照二值指示器矩阵生成方法分别生成每个聚类解的二值指示器矩阵，将每组解的二值指示器矩阵按顺序水平相接组成级联块矩阵；(7)构建混合二分图7a)按照图顶点生成方法构建混合二分图顶点，得到混合二分图的类别顶点和数 据顶点；7b)按照加权边生成方法将类别顶点和数据顶点用加权边连接，得到混合二分图的加权边；(8)生成嵌入矩阵8a)按照级联块矩阵加权方法，得到度矩阵和权值矩阵；8b)按照嵌入矩阵生成方法，得到嵌入矩阵；(9)K均值聚类9a)按照优选中心方法对嵌入矩阵进行初始聚类中心选择，得到优选的K个初始聚类中心；9b)将嵌入矩阵的每一行作为混合二分图顶点对应数据的K维嵌入，利用优选的K个初始聚类中心对嵌入矩阵进行K均值聚类，得到嵌入矩阵的聚类标号；(10)标记图像将嵌入矩阵的前像素个数行的类别标号作为图像每个像素点的类别标号，得到集成后的图像像素类别标号；(11)产生分割图像将图像中具有相同类别标号的像素赋予一个灰度值，第一个类别标号对应的灰度值为0，最后一个类别标号对应的灰度值为255，其余的类别标号采用均匀划分赋予灰度值，不同的类别标号对应不同的灰度值，输出图像分割结果。