买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及图像数据处理技术领域，具体涉及一种基于模糊C均值聚类的图像智能分割方法，包括：根据手骨灰度图像中像素点与初始聚类中心的灰度值差异，对FCM算法的目标函数进行优化，并对手骨灰度图像中的像素点进行聚类得到初步聚类结果，获取初步聚类结果中的聚类模糊像素点；通过构建隶属度参数，对初步聚类结果中聚类模糊像素点的隶属度进行修正，得到最终聚类结果，并进行图像分割。本发明结合像素点灰度值对FCM算法进行改进，通过构建隶属度参数，对初步聚类结果中聚类模糊像素点的隶属度进行修正，以减少这些数据对聚类结果的负面影响，得到最终聚类结果，进而获得更精准的图像分割效果。

主权项：1.一种基于模糊C均值聚类的图像智能分割方法，其特征在于，该方法包括以下步骤：获取手骨灰度图像，根据手骨灰度图像中的边缘信息确定初始聚类中心和聚类数目；根据手骨灰度图像中像素点与初始聚类中心的灰度值差异，对FCM算法的目标函数进行优化，并对手骨灰度图像中的像素点进行聚类得到初步聚类结果，获取初步聚类结果中的聚类模糊像素点；利用聚类模糊像素点与初步聚类结果中聚类簇的聚类中心的欧氏距离、手骨灰度图像中像素点的灰度值，对初步聚类结果中聚类模糊像素点的模糊隶属度进行修正，得到最终聚类结果；结合最终聚类结果中聚类簇的信息熵对图像灰度进行图像增强，并进行图像分割；所述根据手骨灰度图像中像素点与初始聚类中心的灰度值差异，对FCM算法的目标函数进行优化，并对手骨灰度图像中的像素点进行聚类得到初步聚类结果，获取初步聚类结果中的聚类模糊像素点，包括的具体方法为： 其中，表示优化后的目标函数，表示优化后的隶属度矩阵，表示初始聚类中心，表示预设的聚类数目，，表示预设的模糊参数，表示第个像素点隶属于第个初始聚类中心的模糊隶属度，表示第个像素点到第个初始聚类中心的欧氏距离，表示第个像素点与第个初始聚类中心的灰度值差值，为手骨灰度图像中的像素点数量；基于FCM算法，根据优化后的隶属度和初始聚类中心的计算公式，通过迭代更新的方法，利用FCM算法优化后的目标函数，对手骨灰度图像中的像素点进行聚类得到初步聚类结果，将初步聚类结果中同时属于若干个聚类簇的像素点，记为聚类模糊像素点；所述利用聚类模糊像素点与初步聚类结果中聚类簇的聚类中心的欧氏距离、手骨灰度图像中像素点的灰度值，对初步聚类结果中聚类模糊像素点的模糊隶属度进行修正，得到最终聚类结果，包括的具体方法为：首先，在初步聚类结果中，根据信息熵确定聚类簇属于骨骼区域或肌肉组织区域；其次，计算聚类模糊像素点与距离最近的骨架线的欧氏距离；利用Sobel算子获取手骨灰度图像的灰度梯度，构建的矩形窗口，将所述聚类模糊像素点位于矩形窗口的中心，计算矩形窗口内的灰度复杂程度，其中为预设的第一参数；然后，根据聚类模糊像素点与距离最近的骨架线的欧氏距离、聚类模糊像素点所在矩形窗口的灰度复杂程度，构建聚类模糊像素点的隶属度参数；最后，根据聚类模糊像素点的隶属度参数的大小，将聚类模糊像素点划分为属于骨骼区域的像素点、属于肌肉组织区域的像素点；所述计算矩形窗口内的灰度复杂程度，包括的具体方法为： 其中，表示以第个聚类模糊像素点为中心的矩形窗口内的灰度复杂程度；表示以第个聚类模糊像素点为中心的窗口内的灰度梯度均值；表示以第个聚类模糊像素点为中心的窗口内的像素点与中心像素点的灰度值差异；所述构建聚类模糊像素点的隶属度参数，包括的具体方法为： 其中为第个聚类模糊像素点的隶属度参数，表示第个聚类模糊像素点与距离最近的骨架线的欧氏距离，表示归一化函数。

全文数据：

权利要求：

百度查询： 陕西国博政通信息科技有限公司 一种基于模糊C均值聚类的图像智能分割方法