[发明专利]一种基于K均值聚类的目标识别方法

摘要

本发明属于数字图像目标识别的优化方法技术领域，涉及一种基于K均值聚类的目标识别方法。本发明针对传统的海面目标识别算法中识别率不高，易受环境影响等问题，将原始图像的RGB颜色空间转换为HLS颜色空间，消除海面和天空背景颜色以及光线亮度对目标识别的影响，并通过蚁群算法逐步优化分类器的聚类中心，达到提高目标识别率，强化算法鲁棒性的目的。

主权项

一种基于K均值聚类的目标识别方法，其特征在于，包括以下步骤：第一步：对第一幅图像进行RGB颜色空间向HSL颜色空间的转换；第二步：在HSL颜色空间中，对样本在该空间中将三维坐标进行单位划分统计，根据单位空间的样本密度得到初始的几类聚类核的位置；第三步：计算每个样本向量到各自聚类核的欧氏距离，并归入距离最近的聚类块中；第四步：统计每个聚类区域内各个样本至聚类核的距离和，统计各个聚类核之间的距离；第五步：重新调整聚类中心，将每个聚类核依次在HSL空间中移动相邻的六个方向各一个单位，重新计算，使每类样本与聚类核的距离减小，使聚类核的位置尽量靠近每个聚类空间的中心；迭代第五步直至每类聚类区域内的距离和变化低于设定阈值；第六步：对HSL颜色空间的不同坐标方向的距离进行加权，使本区域内的各个样本与聚类核的距离最小，使不同聚类核的距离最大；迭代第六步直至上述两个指标达到阈值；第七步：根据聚类区域可确定图像中不同于大海和蓝天的目标，根据其在原图像测量空间中的位置，确定目标的位置。