資源描述：
《基于顏色量化和模糊c-均值聚類的彩色圖像分割》由會員上傳分享，免費在線閱讀，更多相關內容在教育資源-天天文庫。
1、基于顏色量化和模糊C-均值聚類的彩色圖像分割//.paper.edu-1-中國科技論文在線基于顏色量化和模糊C-均值聚類的彩色圖像分割李曉鵬，黃朝兵武漢理工大學信息工程學院，武漢（430070）摘要：提出了一種基于顏色量化和模糊C-均值聚類的的彩色圖像分割方法。將顏色從RGB空間轉化為HSV空間，在HSV空間的基礎上將顏色量化，在量化顏色的基礎上提取主顏色，以主顏色的個數(shù)和值分別作為聚類個數(shù)和聚類中心。然后采用自適應的模糊C-均值聚類算法將圖像進行分割。對多幅自然彩色圖像進行分割實驗，實驗結果證明了算法的有效性。關鍵詞：圖像分割；顏色量化；主顏色；模糊C
2、均值聚類1.引言圖像分割是指將圖像中具有特殊意義的不同區(qū)域分開來,并使這些區(qū)域相互不相交,且每個區(qū)域應滿足特定區(qū)域的一致性條件。圖像分割也是圖像處理和模式識別的經典難題之一,它決定圖像的最終分析質量和模式識別的判別結果[1]。近年來,隨著數(shù)學理論,特別是應用數(shù)學理論的飛速發(fā)展,人們借助新的數(shù)學理論,雖然提出了多種圖像分割方法,其中包括基于直方圖閾值的分割方法、基于區(qū)域增長的分割方法、基于邊緣檢測的分割方法、基于模糊聚類的分割方法和基于統(tǒng)計學的分割方法等。但由于尚無通用的分割理論，因此這些提出的分割算法大都是針對具體問題的，并沒有一種適合于所有圖像的通用的
3、分割算法[2]。2.顏色空間的選擇和主顏色2.1顏色空間轉換在RGB顏色空間上表示真彩色需要224個顏色，如果用真彩色表示圖像，計算量巨大。由于人眼對視覺的分辨率有一定的局限性，我們可以將顏色量化，用少量的顏色來近似的表示真彩色，這樣既可以使計算簡便，又可以滿足人類的視覺需要。本文將RGB空間轉換成HSV空間。RGB轉換成HSV空間的公式如下：??????????????>????+????+????≤????+????+??=GBBGBRGRBRGRGBBGBRGRBRGRH))(()(2)()(arccos2))(()(2)()(arccos2
4、2π),,max(),,min(),,max(BGRBGRBGRS??=255),,max(BGRV=2.2顏色量化本文采用文獻[3]中的方法將HSV顏色空間量化成166個顏色值，量化后所有顏色用q值表示。本文將用q值代表顏色值進行計算。2.3主色的提取//.paper.edu-2-中國科技論文在線主色是指與之相關聯(lián)的像素在整幅彩色圖像中占有絕大比例,它們對應于顏色直方圖中的局部峰值點。主色在圖像中占有量較大,且在圖像內容表達中起到較重要作用。采用較少的主色表示原圖像，特征的維數(shù)相對較小；對亮度和噪聲不敏感；不依賴于圖像色彩分布的先驗知識，圖像的增刪不影
5、響檢索的性能；實現(xiàn)簡單有效；尤其適用于主色特征比較明顯的圖像表示。判斷一個q值是否是主色，首先統(tǒng)計q的歸一化直方圖，然后判斷該q值的概率是否大于某個閾值，如果概率大于閾值，則該q值為主色。經過實驗比較各閾值的效果，本文選取閾值為0.03，將圖像中閾值小于0.03的顏色轉化為黑色，得到圖像的主色圖[4]。得到的主色圖如圖1所示。（a）原圖（b）主色圖圖1原圖和主色圖3.聚類圖像分割3.1模糊C均值聚類分割算法模糊C均值聚類算法通過對目標函數(shù)的迭代優(yōu)化實現(xiàn)集合劃分,它可以表示出圖像各個像素屬于不同類別的程度[5]。設n為待聚類像素數(shù),c為類別數(shù)(1<c
6、<n),m為模糊加權指數(shù)([1,)m∈∞),其控制隸屬度在各類間共享的程度。目標函數(shù)的值是圖像中各像素到C聚類中心的加權距離平方和,可表示為://.paper.edu-3-中國科技論文在線211(,)()cnmmikikikJUVud===∑∑(1)其中,iku為第k個像素對第i類的隸屬度,ikd為第k個像素到第i類的距離,U為模糊分類矩陣,V為聚類中心集合。聚類準則就是要尋求最佳組對(,)UV,以使(,)mJUV為最小。mJ的極小化可由下述迭代算法實現(xiàn):(1)確定聚類類別數(shù)c和加權指數(shù)m,取ikd為歐氏距離,設定迭代停止閾值ε為一小正數(shù),初始化迭
7、代次數(shù)l=0和模糊分類矩陣U(0);(2)將U(l)代入式(2),計算聚類中心矩陣V(l):111()()nmiikknmkikkvuxu===∑∑1,2,ic=??????(2)(3)根據(jù)式(3),利用V(l)更新U(l),得到新的模糊分類矩陣U(l+1):2111ikmcikjjkudd??==????????????????∑(3)(4)若
8、
9、U(l)-U(l+1)
10、
11、<ε,停止。否則,置l=l+1,返回步驟(2)。3.2自適應模糊C均值聚類分割算法模糊C均值聚類算法的問題在于初始聚類數(shù)目及聚類中心難以確定，如果隨機選擇聚類數(shù)目及聚類中心，則
12、分割的結果難以達到預期的效果。為了解決這個問題，本文提出了一種自適應的模糊C均值
