技術領域

本發明涉及一種圖像分割方法，尤其是涉及一種基于模糊聚類算法融合的彩色圖像分割方法。

背景技術

隨著計算機技術的發展，彩色數字圖像在各行各業的應用日益廣泛。彩色圖像的分割提取是獲得圖像信息的重要途徑和進行圖像理解的基礎，也是圖像工程技術的重要問題。而模糊聚類是經典的模式識別技術，可以有效解決很多人工智能問題，但是目前的彩色圖像分割技術很少采用模糊聚類技術，即使采用也只是僅僅采用一種模糊聚類算法進行圖像分割，沒有結合多種模糊聚類算法，因此，分割精度有待進一步提高。

發明內容

本發明的所要解決的技術問題在于提供一種基于模糊聚類算法融合的彩色圖像分割方法，利用多種模糊聚類算法對彩色圖像進行分割，以提高圖像分割的精度。

為了實現上述目的，本發明提供一種彩色圖像分割方法，包括：輸入待分割圖像并進行初始化設定，設定待分割圖像的類別數目；使用多種不同的模糊聚類算法分別對該圖像進行分割，相應得到多個隸屬度矩陣；以該多個隸屬度矩陣中的其中一個作為基準矩陣，對余下的其他隸屬度矩陣的類別標記分別進行配準，并按照配準后的類別標記對各隸屬度矩陣進行重新配準排列，相應得到經配準后的隸屬度矩陣；將所述經配準后的隸屬度矩陣以及該基準矩陣進行融合，得到一個融合后的隸屬度矩陣，并根據該融合后的隸屬度矩陣計算出每個象素點所對應的類別標記，從而實現圖像分割。

優選地，所述使用多種不同的模糊聚類算法對該圖像進行分割，得到多個隸屬度矩陣的步驟包括：設定一種模糊聚類算法的初始參數；利用該模糊聚類算法對該圖像進行分割，得到一個隸屬度矩陣；重復多次上述步驟，利用多種不同的模糊聚類算法分別對該圖像進行分割，相應得到多個隸屬度矩陣。

優選地，所述進行配準的步驟包括：選擇該多個隸屬度矩陣中的其中一個作為基準矩陣，設定其類別標記并以之作為基準類別標記，其中，屬于同一類別的象素點聚類為同一類別標記；對于余下的其他隸屬度矩陣，分別設定每個隸屬度矩陣的類別標記，并計算每個隸屬度矩陣的類別標記中任意一個類別標記與該基準矩陣的每一個基準類別標記所對應的隸屬度的距離，則該任意一個類別標記應配準設置為距離最小的基準類別標記；將余下的其他隸屬度矩陣中的每個隸屬度矩陣的類別標記都配準為相對應的基準類別標記，并參照配準結果，將余下的其他隸屬度矩陣分別進行重新配準排列，相應獲得多個經配準后的隸屬度矩陣。

優選地，所述進行融合并計算出每個象素點對應的類別標記的步驟包括：收集該基準矩陣及經配準后的多個隸屬度矩陣；計算該基準矩陣及經配準后的多個隸屬度矩陣中每個矩陣的平均互信息；計算每個矩陣的權重；將該基準矩陣及經配準后的多個隸屬度矩陣進行加權融合，得到一個融合后的加權隸屬度矩陣；根據該融合后的加權隸屬度矩陣，計算融合后圖像中每個象素點的類別標記，完成圖像分割。

優選地，所述進行配準的步驟中，該隸屬度的距離滿足：

d(k)=Σi=1N||μk(1)(xi)-μl(t)(xi)||2;]]>