利用流形谱聚类进行图像分割的方法

摘要

本发明公开了一种利用流形谱聚类进行图像分割的方法，主要解决现有方法的存储规模大、计算效率和分割精度低的问题。实现步骤为：(1)输入一幅图像，提取输入图像的颜色和纹理特征，并利用分水岭算法获得输入图像的流形集；(2)计算流形特征集，构造距离矩阵，由弗洛伊德算法得流行距离矩阵；(3)计算相似度矩阵，进而构造度矩阵以及归一化拉普拉斯矩阵；(4)特征分解归一化拉普拉斯矩阵，进而构造谱矩阵；(5)对谱矩阵进行归一化，得到归一化谱矩阵，由k均值算法得流形集的标签向量，输出分割结果。本发明存储规模小、计算效率和分割精度高，可应用于医学图像检测病灶区、精密零件表面缺陷检测、卫星拍摄的地形地貌照片的处理。

主权项

1.一种利用流形谱聚类进行图像分割的方法，包括如下步骤：1)输入一幅图像，在Luv颜色空间中获得该图像的颜色特征F_C＝{f_L，f_u，f_v}，并提取图像的十维小波纹理特征F_W＝{f₁，f₂，...，f₁₀}，采用特征融合的方法将颜色特征与小波纹理特征进行融合，得到图像的融合特征F＝aF_C+bF_W，其中F的每一行表示一个像素点的融合特征，f_L、f_u、f_v分别表示Luv颜色空间的亮度分量L、色度坐标分量u和色度坐标分量v的特征，f_i表示小波纹理特征F_W第i维特征i＝1，2...10，a和b分别表示颜色特征和纹理特征所占的比例，且a+b＝1；2)采用分水岭算法将该输入图像预分割为流形集将各流形所包含的所有像素点融合特征的平均值分别作为各流形的流形特征，得到流形特征集其中流形m_i为分水岭算法预分割输入图像所得的第i个区域，i＝1，2，...，n，n表示流形集M的大小，mfⁱ为第i个流形m_i的流形特征；3)计算每个流形特征mfⁱ与其他流形特征之间的欧氏距离，依据每个流形特征mfⁱ的所有欧氏距离寻找到流形m_i的k个近邻流形，构造一个大小为n*n的距离矩阵：d＝[d_ij]_n*n当第j个流形m_j是m_i的k个近邻中的一个时，d_ij等于mfⁱ与mf^j之间的欧氏距离，否则为-1表示不连通，且d_ii＝0，其中i，j＝1，2，...，n，k的取值范围为5到9之间的整数，依据不同的图像人为选择不同的值，d_ij表示距离矩阵d的第i行第j列元素，d_ii表示距离矩阵d的第i行第i列元素；4)使用弗洛伊德算法根据距离矩阵d计算各个流形之间的最短路径，得到大小为n*n的流形距离矩阵：D＝[D_ij]_n*n，其中D_ij为第i个流形m_i与第j个流形m_j之间的最短路径，其中D_ij表示流形距离矩阵D中第i行第j列元素；5)构造大小为n*n相似度矩阵：W＝[W_ij]_n*n，其中第i行第j列的元素i≠j，对角线元素为0，且当D_ij＝-1时W_ij等于0；6)计算度矩阵A＝[A_ij]_n*n，其中第i行第i列的元素其它元素为0，并计算归一化拉普拉斯矩阵L＝A^-1/2WA^-1/2；7)对归一化拉普拉斯矩阵L进行特征分解，并取该L的前K个最大的特征值对应的特征向量构造谱矩阵：V＝{v₁，v₂，...，v_K}，其中K为人为设定的图像分类数，v_i为L的第i个特征向量i＝1，2，...K；8)计算归一化谱矩阵Y＝[Y_ij]_n*n，其中第i行第j列的元素V_ij为谱矩阵V的第i行第j列的元素；9)采用k均值聚类算法，将归一化谱矩阵Y的各行聚为K类，得到聚类标签向量其中c_i表示第i个流形m_i被分割为第c_i类，c_i∈{1，2，...K}；10)将图像中有相同标签的流形分配同一种颜色，输出分割后的图像。