[发明专利]一种基于双重Kmeans聚类的红外目标轮廓分割方法

摘要

本发明提供双重Kmeans聚类的红外目标轮廓分割方法，包括：从任意一帧图像开始，通过局域概率分布算法确定目标的中心点，保存所述中心点位置、灰度信息；将图像进行第一次Kmeans聚类，目标的中心点作为初始化聚类中心；利用聚成每类面积信息，归并面积最大的一类为背景，剩下的几类作为目标；将第一次聚类结果中的目标对应于原图位置处置0，再次进行Kmeans聚类；得到二次聚类后的目标；对二次聚类后的结果进行骨架提取和奇异点剔除，得到最终输出结果；分割结束，得到目标轮廓。本发明提供的基于双重Kmeans聚类的红外目标轮廓分割方法，实现对能量分布不均匀的红外目标的分割，能够在背景较为平缓的前提下，快速准确地分割出目标。

主权项

1.一种基于双重Kmeans聚类的红外目标轮廓分割方法，其特征在于，包括：步骤1、从任意一帧图像开始，通过局域概率分布算法确定目标的中心点，保存所述中心点位置、灰度信息；所述通过局域概率分布算法确定目标的中心点的方法具体包括：设f(x,y)为序列图像中某一帧图像中点(x,y)处的灰度值，以(x,y)为中心的(2r+1)×(2r+1)局域内，定义p(x,y)为点(x,y)的灰度值与局域内总灰度值的比值，即：这称为该点的局域灰度概率，以点(x,y)局域范围之内所有点的局域灰度概率之和为1；一般而言，在以点(x,y)为中心的(2r+1)×(2r+1)局域内：当灰度分布均匀时，当f(x,y)小于周围像素点的灰度值或是局域内有其他灰度值较高的像素点时，当f(x,y)高于其邻域内其他像素时，，且该像素越高，p(x,y)越大；因此，通过计算比较p(x,y)的大小即可检测平滑背景中的奇异点，进一步可得目标的局域概率分布图，而响应值最大处即可认为是所对应目标的中心位置，将所对应的坐标记录为目标的中心点，即可定位其中一类的初始目标中心；步骤2、将图像进行第一次Kmeans聚类，所述目标的中心点作为初始化聚类中心；步骤3、利用聚成每类面积信息，归并面积最大的一类为背景，剩下的几类作为目标；步骤4、将第一次聚类结果中的目标对应于原图位置处置0，再次进行Kmeans聚类；步骤5、重复步骤3，得到二次聚类后的目标；步骤6、对二次聚类后的结果进行骨架提取和奇异点剔除，得到最终输出结果；步骤7、分割结束，得到目标轮廓。