[发明专利]一种利用改进直觉模糊聚类算法提取红外目标的方法

说明书

本发明提出一种利用改进直觉模糊聚类算法提取红外目标的方法，首先利用显著性算法确定红外目标在红外图像中的大致区域。再利用改进的直觉模糊聚类算法对该区域进行聚类分割。最后，通过简单的后处理剔除非目标区域。改进算法中充分考虑了局部区域信息以及非局部对称性信息，因此分割结果得到了明显的改善。具体为：步骤一：确定目标大致区域。采用显著性算法得到红外图像的显著图，通过对显著图进行阈值分割得到目标大致位置。步骤三：采用马塞洛·西柯恩等人提出的基于配准的镜像对称检测方法完成目标对称轴检测步骤四：采用改进的直觉模糊聚类算法对红外图像进行聚类分割。步骤五：对步骤四得到的图像分割结果进后续处理,剔除非目标区域。

【技术领域】

本发明涉及一种利用改进直觉模糊聚类算法提取红外目标的方法，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某种或某些特征(灰度、纹理、直方图等)将原始图像划分为若干个互不重叠的区域。在同一区域内部相似度较高，不同区域之间应具有明显的差异。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。

对称性是物体常见的一种特性。在生活中有许多物体在某种程度某个方向上具有对称特性，例如行人、汽车、舰船、飞机、树叶等等。在图像分割的过程中，关于对称轴对称的像素点往往具有较大的可能性属于同一类别。因此，将对称信息引入到图像分割中往往能够改进图像分割的准确性。

红外图像能够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，红外图像在军事、工业、汽车辅助驾驶、医学等领域均得到了广泛的应用，在图像处理领域也引起了极大的关注。但红外图像往往缺乏较好的对比度和分辨率，图像边缘模糊，过渡性较强，目标与背景之间界限不明显。红外图像缺乏纹理信息，且目标往往为高亮区域，这使得目标的形状特征和对称特性显得更为明显。因此，将对称信息用于红外图像分割能够改善其分割准确性。

在红外图像中，目标往往为高亮区域，因此，隶属于目标的像素点表现出明显的聚类特性。因此，聚类算法用于红外图像分割具有一定优势。传统聚类算法属于硬性聚类，像素点对于某类只有属于和不属于两种情况。而在模糊聚类方法中，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。