基于约束对的半监督核K均值聚类的图像分割方法技术

本发明专利技术公开一种基于约束对的半监督核K均值聚类的图像分割方法，实现步骤为：（1）选择图像；（2）提取图像纹理特征；（3）产生聚类对象数据矩阵；（4）划分聚类对象数据矩阵；（5）初始化聚类中心；（6）计算距离；（7）判断是否满足约束条件，如果满足，执行步骤（8），否则，返回步骤（5）；（8）计算均值；（9）判断是否满足终止条件，如果满足，执行步骤（10），否则，返回步骤（6）；（10）产生分割图像。本发明专利技术提取图像纹理特征，用基于约束对的半监督核K均值聚类的图像分割方法对该纹理特征进行划分，提高了图像分割的稳定性，获得更加准确的图像分割结果。

【技术实现步骤摘要】

【技术保护点】
一种基于约束对的半监督核K均值聚类的图像分割方法，实现步骤如下：（1）选择图像：1a）从纹理图像库中下载多幅纹理图像，任选多幅纹理图像中的一幅图像作为待分割图像；1b）从纹理图像库中下载与待分割图像对应的参考图像；（2）提取待分割图像纹理特征：2a）在待分割图像中，以待提取特征的像素点为中心，选取一个大小为16×16的窗口，得到子图像块；2b）利用小波分解公式，提取子图像块中所有像素的10维特征，得到10维小波特征向量矩阵；（3）产生聚类对象数据矩阵：利用线性公式，将10维小波特征向量矩阵映射到闭区间[?1,1]内，得到聚类对象数据矩阵；（4）划分聚类对象数据矩阵：4a)从聚类对象数据矩阵中，随机选择满足cannot?link约束条件的10对聚类对象数据A和满足must?link约束条件的10对聚类对象数据B；4b)从聚类对象数据B中找出类标号相同的聚类对象数据，分别求每个类标号相同的聚类对象数据的平均值，将所求的平均值作为聚类中心值；4c）利用高斯核函数，计算聚类对象数据矩阵中每个聚类对象数据与聚类中心值的距离；4d）利用最小距离原则，给每个聚类对象数据标上与它距离最近的聚类中心值相同的类标号，得到聚类对象数据的类标号；4e)判断聚类对象数据A和B的类标号是否满足cannot?link约束条件和must?link约束条件，如果满足，则执行步骤4f），否则，执行步骤4a）；4f)分别对聚类对象数据的类标号对应的聚类对象数据求均值；4g）判断聚类对象数据的均值是否等于聚类中心值，如果是，则执行步骤4h），否则，将所求的均值作为聚类中心值，执行步骤4b）；4h）输出聚类对象数据的聚类的类标号；（5）产生分割图像：对聚类的每一个类标号，从灰度值范围[0,255]中任意选择一个整数作为该类标号对应聚类对象数据的灰度值，产生分割图像。...

【技术特征摘要】

【专利技术属性】
技术研发人员：朱虎明，焦李成，李巧兰，王爽，马文萍，马晶晶，田小林，李立红，任新营，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：