[发明专利]一种基于局部特征的图像细化分割方法

说明书

本发明公开了一种基于局部特征的图像细化分割方法，该方法包括以下步骤：对待分割图像，用滑动窗口逐像素滑动来选取固定大小的子块；对所选的图像子块进行一次FCM分割处理，得到子块内像素的类别所属关系，完成基于子块的初始分类；根据这种有重叠的初始分类结果对像素类别进行细化处理，对于细化处理之后的图像再一次进行全局FCM分割，得到最终的图像分割结果。本发明的方法可以利用像素邻域之间的关系，纠正全局分类中可能错误分类的像素点，能得到更加准确的图像边缘，提高了分割准确率。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于局部特征的图像细化分割方法。

背景技术

图像信息作为我们可以从客观世界获取到的数据信息之一，以其信息量大、表示简单易懂等一系列优点，已成为人类获取信息的重要来源及利用信息的重要手段。随着计算机领域技术的发展，数字图像处理技术已经成为工程学、信息科学、统计学、医学等领域学习和研究的对象。为获取和提取图像中的有用信息，需要对图像进行分割。图像分割是指根据一定的特征将图像分成多个不相交的区域，同一区域之间的像素点具有较高的相似性，不同区域的像素点相似性较低。这些特征包括颜色、纹理、深度、灰度等。图像分割在目标检测、模式识别、图像理解等方面有着重要作用，可作为一个预处理环节，而分割结果的好坏直接影响后续过程的结果。

模糊C-均值聚类方法(Fuzzy C-Means，简称FCM)是应用最为广泛的图像聚类方法。相较于其他方法，FCM方法允许一个像素同时属于多个类，选取它最有可能属于哪一类来作为它最终的类别，同时还能够保留原始图像的更多的信息。FCM方法通过迭代更新每一个像素相对于每一个聚类的模糊隶属度以及更新每一个聚类中心，来将目标函数最小化，从而实现图像的分割。FCM的目标函数E为：

其中，C是待分割图像类别的数目；N是图像像素点的个数；μ_ij是第j个像素点相对于第i个聚类中心的模糊隶属度；m是作用于模糊隶属度上的权重指数；v_i是第i个聚类中心；x_j是第j个像素点。

用于实现聚类分割的目标函数最小化的约束条件为：

然而，标准的FCM方法在图像分割中存在以下几个明显的缺点：(1)初始聚类中心的选择对于图像分割结果有很大的影响，如果初始聚类中心选择不好，则会使方法陷入局部最优，得不到理想的分割结果；2)没有考虑像素的空间信息，导致方法对于噪声比较敏感，当处理有噪声的图像时，不能取得令人满意的分割结果；(3)没有充分利用像素间的关系，导致方法对于某些图像的边缘分割效果不理想，不能得到令人满意的分割结果。

有很多关于FCM的其他改进方法能够对图像中的噪声进行处理、提高方法的效率，但对边缘的处理仍然存在问题。

发明内容

本发明的目的就是为了解决图像的边缘分割问题，提供一种基于局部特征的图像细化分割方法，它可用在一个聚类或分割方法的基础上，对初始分类结果进行细化，改善边界。本发明主要用FCM方法来获取初始分类结果。

为了实现上述目的，本发明采用如下技术方案：

一种基于局部特征的图像细化分割方法，首先对原始图像取子块，然后对每个图像子块都进行一次FCM方法处理，得到子块中各个像素点之间所属关系，通过这个有重叠的初始分类结果，在局部窗口进行投票，以纠正在全局FCM方法中可能错分的像素点，进而实现图像的分割。

本发明的具体步骤为：

1)对待分割图像，用滑动窗口选取固定大小的子块；

2)把图像子块作为一幅图像，对其进行一次FCM分割处理，得到子块中像素间的一个类别所属关系：属于或者不属于同一类；

3)基于有重叠的初始分类结果，对像素类别进行细化处理；