[发明专利]一种图像分割方法及其评价方法和图像融合方法

摘要

本发明公开了一种图像分割方法，包括步骤1将历史储备图像分为K个视角，通过经典FCM算法得到历史聚类中心；步骤2在处理新的带噪图像时，将所述待处理图像分为上述K个视角，在经典FCM算法的基础上融入从步骤1中得到的相关历史相似图像的聚类中心，并构造一个引入迁移学习机制的多视角的FCM算法的新目标函数；步骤3通过步骤2获取的当前图像的各视角图像的隶属度矩阵以及视角权重向量W，得到当前处理图像的最终隶属度矩阵，去模糊化后得到当前图像的空间划分结果。本发明所述的图像分割方法，采用多视角具备迁移学习能力的模糊聚类图像分割方法，基于迁移能力，实现多视角图像协同分割，提高分割精度。

主权项

一种图像分割方法，其特征在于，包括如下步骤：步骤1：将历史储备图像分为K个视角，通过经典FCM算法得到历史聚类中心：st.μij，k∈[0,1](1≤j≤N,1≤k≤K)其中，K为视角总数，C为聚类数，N为样本总数，Uk表示第k个视角下的隶属度矩阵，Vk表示第k个视角下的聚类中心，Xk表示第k个视角下的聚类样本,为第k个视角下的第i类的中心点，d为样本的维数，xj,k表示第k个视角下的第j个样本点，μij,k表示第k个视角下的第j个样本属于第i类的隶属度，模糊指数m必须满足m＞1；步骤2：在处理新的带噪图像时，将所述带噪图像分为上述K个视角，在经典FCM算法的基础上融入从步骤1中得到的相关历史相似图像的聚类中心，并构造一个引入迁移学习机制的多视角的FCM算法的新目标函数，具体形式如下：JTL-MV-FCMk(Uk,Vk,Xk,W)=Σk=1Kwk[JFCMk(Uk,Vk,Xk)+Σj=1Nη||xj,k-vi,k||2Σi=1Cμij,k(1-μij,km-1)-Σj=1Nη1K-1Σk′=1,k′≠kK||xj,k′-vi,k′||2Σi=1Cμij,k(1-μij,km-1)]+λΣk=1Kwklnwk]]>st.wk∈[0,1]其中，W＝(w1,w2,…,wK)T为各视角的视角权重向量，wk为第k个视角所占的权重，η为协同学习参数且满足0≤η≤1，λ为视角加权参数且满足λ＞0；步骤3：通过步骤2获取的当前图像的各视角图像的隶属度矩阵以及视角权重向量W，得到当前处理图像的最终隶属度矩阵，去模糊化后得到当前图像的空间划分结果。