專利名稱：基于排序k-均值算法的灰度圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理領(lǐng)域，涉及一種圖像分割方法，尤其涉及一種灰度圖像分割方法，可用于提取和獲得灰度圖像的細(xì)節(jié)信息。
背景技術(shù)：
隨著計(jì)算機(jī)技術(shù)的發(fā)展，圖像在各行各業(yè)的應(yīng)用日益廣泛?；叶葓D像分割是以圖像的形式獲得信息的基礎(chǔ)，是人們研究的熱點(diǎn)，是圖像處理技術(shù)應(yīng)用的重要內(nèi)容之一。圖像分割在目標(biāo)識(shí)別、變化監(jiān)測(cè)等方面應(yīng)用廣泛。圖像分割方法有多種，基于灰度 級(jí)單閾值分割，基于灰度級(jí)多閾值分割、區(qū)域增長(zhǎng)和聚類等。Kneans聚類算法,簡(jiǎn)稱K-均值算法,是1967年由J. B. MacQueen提出的。Kneans聚類算法是一種經(jīng)典的劃分的聚類算法，是到目前為止應(yīng)用最廣泛最成熟的一種聚類分析方法。已被廣泛應(yīng)用于圖像分割領(lǐng)域。K-means聚類算法是一種典型的基于距離的硬聚類算法，算法通常采用誤差平方和函數(shù)作為優(yōu)化的目標(biāo)函數(shù)，誤差平方和函數(shù)的定義如下所示
K2^ =
7=1 XeCj其中，K表示聚類的數(shù)目，Cj, j = 1,2, . . .K表示聚類的第j類，X表示類Cj中的任一數(shù)據(jù)對(duì)象，IHj表示類&的均值，E表示數(shù)據(jù)樣本與聚類中心差異度平方之和，E值的大小取決于K個(gè)聚類中心點(diǎn)。越小的E值，聚類結(jié)果的質(zhì)量就越好。K-means算法首先從含有n個(gè)數(shù)據(jù)對(duì)象的數(shù)據(jù)集中隨機(jī)選取K個(gè)數(shù)據(jù)作為初始中心，然后計(jì)算每個(gè)數(shù)據(jù)到各個(gè)中心的距離，根據(jù)最鄰近原則，所有的數(shù)據(jù)都會(huì)被劃分到離它最近的那個(gè)中心所代表的類中，接著分別計(jì)算新生成的各類中數(shù)據(jù)的均值作為各類新的中心，比較新的中心和上一次得到的中心，如果新的中心沒(méi)有發(fā)生變化，則算法收斂，輸出結(jié)果，如果新的中心和上一次中心相比較發(fā)生變化，則要根據(jù)新的中心對(duì)所有數(shù)據(jù)對(duì)象重新進(jìn)行劃分，直到滿足算法的收斂條件為止。該方法應(yīng)用于灰度圖像分割領(lǐng)域，對(duì)部分圖像的分割取得了一些效果，能夠根據(jù)灰度級(jí)將圖像分割成為較理想的情況。但該方法的不足之處是，當(dāng)圖像中的某一類或者幾類像素較少時(shí)，該方法就很難保留像素較多類別中的圖像細(xì)節(jié)部分，劃分效率較低。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)上述已有方法的缺點(diǎn)，提出了一種基于排K-均值算法的灰度圖像分割方法，完成了像素較多類別中圖像細(xì)節(jié)部分的保留，提高圖像分割效率。實(shí)現(xiàn)本發(fā)明目的技術(shù)方案，包括如下步驟(I)讀入一幅不含噪聲的灰度圖像G，圖像大小為256X256，隨機(jī)指定各個(gè)聚類中心V :V = (V0, V1,…，Vi)
其中，Vi為第i類的聚類中心，i = 0，. . .，n-1，n為聚類類別數(shù)；(2)定義灰度圖像G的灰度直方圖HL⑴HL(I) = Ii1其中，I為灰度級(jí)，I = 0，... ,255, Ii1為灰度圖像G中第I個(gè)灰度級(jí)的像素點(diǎn)總數(shù)；(3)計(jì)算圖像灰度直方圖中每個(gè)灰度級(jí)I到每個(gè)聚類中心Vi的歐式距離Clil da = I I-Vi I ；(4)針對(duì)每個(gè)聚類中心Vi，利用Sort(Clil)函數(shù)對(duì)距離Clil由小到大進(jìn)行排序；(5)用函數(shù)Hidil存儲(chǔ)排序后的每個(gè)灰度級(jí)到每個(gè)聚類中心Vi的距離CliPmdil定義 如下
權(quán)利要求
1.一種基于排序K-均值算法的灰度圖像分割方法，包括如下步驟 (1)讀入一幅不含噪聲的灰度圖像G，圖像大小為256X256，隨機(jī)指定各個(gè)聚類中心V V = (VojV1, -,Vi) 其中，Vi為第i類的聚類中心，i = O，. . .，n-1，n為聚類類別數(shù)； (2)定義灰度圖像G的灰度直方圖HL(I) HL (I) = Ii1 其中，I為灰度級(jí)，1=0，... ,255, H1為灰度圖像G中第I個(gè)灰度級(jí)的像素點(diǎn)總數(shù)； (3)計(jì)算圖像灰度直方圖中每個(gè)灰度級(jí)I到每個(gè)聚類中WVi的歐式距離Clil da = I I-Vi I ； (4)針對(duì)每個(gè)聚類中心Vi，利用Sort(Clil)函數(shù)對(duì)距離Clil由小到大進(jìn)行排序； (5)用函數(shù)Hidil存儲(chǔ)排序后的每個(gè)灰度級(jí)到每個(gè)聚類中心Vi的距離CliPmdil定義如下
2.根據(jù)權(quán)利要求I所述方法，其中步驟⑶所述的循環(huán)結(jié)束條件，表示為<=P1，式中K表示第t代的第i類聚類中心值，K+1表示第t+1代的第i類聚類中心值，t表示基于排序K-均值算法的循環(huán)代數(shù)，t的取值范圍為1-19。
全文摘要
本發(fā)明針對(duì)現(xiàn)有K-均值算法很難保留像素較多類別中圖像細(xì)節(jié)的缺點(diǎn)，提出了一種基于排序K-均值算法的灰度圖像分割方法。其實(shí)現(xiàn)步驟是(1)讀入一幅不含噪聲的灰度圖像G，并隨機(jī)指定各個(gè)聚類中心；(2)統(tǒng)計(jì)讀入的灰度圖像G的直方圖HL；(3)求解各灰度級(jí)到各聚類中心距離；(4)對(duì)各灰度級(jí)到各聚類中心距離進(jìn)行排序；(5)對(duì)排序后的距離進(jìn)行存儲(chǔ)；(6)將每個(gè)灰度級(jí)分配到離其距離最近的聚類中心的類別中；(7)根據(jù)排序后的各灰度級(jí)到各聚類中心的距離更新聚類中心；(8)根據(jù)更新前后的聚類中心，判斷是否達(dá)到迭代停止條件，如果達(dá)到迭代停止條件，聚類結(jié)束，并輸出聚類結(jié)果，完成圖像分割。本發(fā)明具有圖像分割精度高的優(yōu)點(diǎn)，可用于提取和獲得灰度圖像的細(xì)節(jié)信息。
文檔編號(hào)G06T5/00GK102663681SQ201210062259
公開(kāi)日2012年9月12日 申請(qǐng)日期2012年3月11日 優(yōu)先權(quán)日2012年3月11日
發(fā)明者侯彪, 吳建設(shè), 尚榮華, 李陽(yáng)陽(yáng), 焦李成, 白靖, 鄭喆坤, 靳超, 馬文萍 申請(qǐng)人:西安電子科技大學(xué)