[发明专利]基于快速核空间模糊聚类的异源图像粗大边缘检测方法

权利要求书

1.基于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于：包括以下步骤：

1）计算图像中每个像素的灰度和纹理特征值，并以此构建二维特征空间；

2）利用数理分析中的数据约减思想，压缩参与聚类迭代的二维特征空间数据集，产生新的数据集；

3）将约减后的新数据集的特征空间映射到高斯核空间中，以高斯核空间中的欧氏距离代替样本空间的欧氏距离；

4）在高斯核空间下采用快速可能性模糊C均值聚类算法对图像进行分割；

5）采用Canny算子对分割后的图像进行边缘检测。

2.根据权利要求1所述的基于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于：所述步骤1）中，选取每个像素局部邻域的灰度均值和一阶熵值作为该点的灰度和纹理特征值，灰度均值m和一阶熵值E的计算公式分别为：

m=Σi=0L-1zip(zi)---(1)]]>

E=-Σi=0L-1p(zi)log2p(zi)---(2)]]>

其中，z_i是表示灰度的一个随机变量，p(z_i)是一个像素局部邻域中的灰度级的直方图，L是灰度级数。

3.根据权利要求1所述的基于快速核空间模糊聚类的异源图像粗大边缘检测方法，其特征在于：所述步骤2）中，压缩参与聚类迭代的二维特征空间数据集的步骤包括：

2-1）将二维特征空间中特征值均归一化到0~255，把每隔q的两个二维特征向量归为一种，q∈[5,20]；

2-2）统计每种特征向量对应的数据点个数；

2-3）去除对应数据点个数为0的向量，即得到新的数据集X′。