[发明专利]利用改进模糊聚类算法提取灰度不均匀红外行人的方法

说明书

本发明涉及一种利用改进模糊聚类算法提取灰度不均匀红外行人的方法，步骤一：确定行人大致区域；步骤二：采用改进的模糊聚类算法对红外图像进行聚类分割；改进的模糊聚类算法目标函数如下：步骤三：为了提取红外行人目标，需要对聚类结果进行后续处理：剔除非行人目标区域；聚类结果为二值图像，计算二值图像中每个连通域的长宽比，剔除长宽比不符合行人长宽比范围的连通域。本发明从在目标函数中加入正则项以考虑像素点和邻域的相似性和像素点和聚类中心的相似性；对于邻域窗口尺寸进行了扩展，考虑更多邻域信息；能够较好地分割灰度不均匀红外行人目标；具有广阔的市场前景与应用价值。

【技术领域】

本发明涉及利用改进模糊聚类算法提取灰度不均匀红外行人的方法，模糊聚类技术和图像分割技术在图像应用领域具有广泛的应用，隶属于数字图像处理领域。

【背景技术】

图像分割是指根据图像的灰度、纹理、颜色等特征将原始图像划分为互不重叠的区域。并且同一区域内具有相似的性质，不同区域之间则具有明显的差异。图像分割往往被作为图像处理和分析的预处理。没有正确的分割就不可能有正确的识别。准确的检测和识别需要以准确有效的分割为基础。因此，快速、有效且准确的图像分割算法将会有重要的应用意义。图像分割方法根据原理不同大致可分为以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。

红外图像能够近似反映出图像中目标和背景的温度差异，由于其可全天候工作且能够克服视觉障碍而探测目标的优点，红外图像在图像处理领域得到了广泛应用。但红外图像往往缺乏较好的对比度和分辨率，图像边缘较为模糊，过渡性较强，目标与背景之间界限不明显。同时由于遮挡和散热不均等原因，灰度不均匀也是红外图像中常见的现象，这对于红外行人分割具有极大的影响。模糊聚类是一种基于目标函数优化的数据聚类方法，在图像分割领域得到了广泛应用。在模糊聚类方法中，数据点并不是硬性的划分到某一类，而是以不同的程度属于多类。因此，针对红外图像中过渡明显和不确定性高的特点，采用模糊聚类的方法对红外图像进行分割具有一定的优势。