[发明专利]一种图像分割方法及系统

权利要求书

1.一种图像分割方法，其特征在于，所述方法包括如下步骤：

对样本图像进行特征提取，构建所述样本图像的样本矩阵；

采用鲁棒判别模糊C均值聚类方法，确定所述样本矩阵的隶属度矩阵；

利用所述隶属度矩阵对所述样本图像进行分割。

2.根据权利要求1所述的图像分割方法，其特征在于，所述采用鲁棒判别模糊C均值聚类方法，确定所述样本矩阵的隶属度矩阵，具体包括：

初始化每个数据簇的聚类中心；

根据每个数据簇的聚类中心，计算样本矩阵中每个样本点相对于每个数据簇的隶属度，构建隶属度矩阵；

判断是否满足迭代结束条件，获得判断结果；

若所述判断结果表示否，根据隶属度矩阵更新每个数据簇的聚类中心，返回步骤“根据每个数据簇的聚类中心，计算样本矩阵中每个样本点相对于每个数据簇的隶属度，构建隶属度矩阵”；

若所述判断结果表示是，则输出所述隶属度矩阵。

3.根据权利要求2所述的图像分割方法，其特征在于，所述根据每个数据簇的聚类中心，计算样本矩阵中每个样本点相对于每个数据簇的隶属度，具体包括：

根据每个数据簇的聚类中心，采用公式计算样本矩阵中每个样本点相对于每个数据簇的隶属度；

其中，u_ij表示样本矩阵中第j个样本点相对于第i个数据簇的隶属度，c表示数据簇的数量，v_i表示第i个数据簇的聚类中心，x_j表示第j个样本点的特征，v_k表示第k个数据簇的聚类中心，m表示模糊指数。

4.根据权利要求2所述的图像分割方法，其特征在于，所述根据隶属度矩阵更新每个数据簇的聚类中心，具体包括：

根据每个数据簇的聚类中心，利用公式计算超参数；

其中，λ_t表示超参数，N表示样本点的数量，x_j表示第j个样本点的特征，c表示数据簇的数量，v_i表示第i个数据簇的聚类中心，v_total表示全局聚类中心，

根据所述超参数和所述隶属度矩阵，采用公式更新每个数据簇的聚类中心；

其中，v_i'表示第i个数据簇的更新后的聚类中心，u_ij表示样本矩阵中第j个样本点相对于第i个数据簇的隶属度，m表示模糊指数，α表示预设参数。

5.根据权利要求2所述的图像分割方法，其特征在于，所述迭代结束条件为迭代次数达到迭代次数阈值。

6.根据权利要求2所述的图像分割方法，其特征在于，所述迭代结束条件为相邻两次迭代得到的目标函数值的差值小于目标函数收敛阈值；

用于计算所述目标函数值的公式为：

其中，J为目标函数值，N表示样本点的数量，c表示数据簇的数量，u_ij表示样本矩阵中第j个样本点相对于第i个数据簇的隶属度，x_j表示第j个样本点的特征，v_i表示第i个数据簇的聚类中心，v_total表示全局聚类中心，m表示模糊指数，α表示预设参数。

7.一种图像分割系统，其特征在于，所述系统包括：

特征提取模块，用于对样本图像进行特征提取，构建所述样本图像的样本矩阵；

隶属度矩阵确定模块，用于采用鲁棒判别模糊C均值聚类方法，确定所述样本矩阵的隶属度矩阵；

图像分割模块，用于利用所述隶属度矩阵对所述样本图像进行分割。