CN113160214B - 一种图像局部邻域像素相似性衡量新方法 - Google Patents
一种图像局部邻域像素相似性衡量新方法 Download PDFInfo
- Publication number
- CN113160214B CN113160214B CN202110513814.5A CN202110513814A CN113160214B CN 113160214 B CN113160214 B CN 113160214B CN 202110513814 A CN202110513814 A CN 202110513814A CN 113160214 B CN113160214 B CN 113160214B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- pixels
- neighborhood
- fuzzy clustering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像局部邻域像素相似性衡量新方法。在模糊聚类图像分割中,需要根据图像中像素之间的相似性测度对图像中的像素进行聚类,实现图像分割。本发明针对模糊聚类图像分割问题,首先提出了一种相似性权值分配加权核函数,利用该加权核函数能够更好地实现像素相似性权值分配;然后提出了一种图像局部邻域像素相似性测度估计新方法,通过计算并利用图像局部邻域内各像素与中心像素之间的相似性测度,从而实现邻域像素模糊聚类和图像模糊聚类分割。与现有技术相比,本发明的有益效果是:本发明充分利用了图像局部邻域像素之间的空间和灰度信息,能够更好实现邻域像素的模糊聚类,可有效提高图像边缘和细节的分割质量。
Description
技术领域
为了充分利用图像邻域像素之间的空间和灰度信息,更好实现图像邻域像素的模糊聚类,有效提高图像模糊聚类分割质量,本发明提出了一种图像局部邻域像素相似性测量新方法。
背景技术
像素是构成图像的基本元素,图像中像素间的邻接性、相似性、区域和边界等空间与灰度信息关系的解译是图像处理和分析的基础和关键。在图像去噪、图像分割、区域增强等图像处理中,经常需要衡量图像中像素点之间的相似性或差异性。图像表述和特征选取是影响图像像素相似性测度的两个重要因素。图像中像素点之间的相似性通常利用像素点之间的欧式距离、马氏距离、曼哈顿距离、切比雪夫距离等测度进行衡量,利用相似性测度可以对图像中的像素进行聚类,实现图像聚类分割。本发明针对模糊聚类图像分割问题,提出了一种图像局部邻域像素相似性测量新方法,首先提出了一种相似性权值分配加权核函数,加权核函数根据相似程度分配相应的权值,相似度较高时分配较高的权值,相似度较低时权值迅速减小,利用加权核函数能够更好地实现邻域像素的模糊聚类;然后提出了一种图像局部邻域像素相似性测度估计新方法,它首先计算各个方向像素对应图像块与中心像素对应图像块之间的加权距离,进而计算出邻域内各像素与中心像素之间的相似性测度,利用相似性测度即可实现邻域像素模糊聚类和图像模糊聚类分割。
发明内容
为了充分利用图像局部邻域像素间的空间和灰度信息,更好实现对图像的模糊聚类分割,本发明提出了一种图像局部邻域像素相似性测度估计新方法,其实现步骤如下:
其中X i 、X j 分别表示以像素点i、j为中心的图像块,N为图像块内包含的像素个数。
2)然后利用下列加权核函数计算各个像素j对应的图像块的像素差值对中心像素i对应的图像块的权重:
其中Z i 为归一化参数,h为加权核函数的衰减参数,a为控制加权核函数理想程度的参数。
3)接着计算各个方向像素对应图像块与中心像素i图像块之间的加权距离:
4)最后计算邻域内各像素与中心像素之间的相似性测度:
利用上述相似性测度即可实现邻域像素模糊聚类,进而实现对图像的模糊聚类分割。
与现有技术相比,本发明的有益效果是:本发明充分利用了图像局部邻域像素之间的空间和灰度信息,能够更好地实现邻域像素的模糊聚类,可有效提高图像边缘和细节的模糊聚类分割质量。
Claims (1)
1.一种图像局部邻域像素相似性测度估计新方法,其实现步骤如下:
步骤1:确定以像素点i为中心的邻域,邻域大小设置为3×3,然后分别以邻域内各像素为中心创建3×3的图像块,接着分别计算邻域内各像素j对应的图像块与中心像素i对应的图像块之间的像素差值:
其中Xi、Xj分别表示以像素点i、j为中心的图像块,N为图像块内包含的像素个数;
步骤2:利用下列加权核函数计算各个像素j对应图像块的像素差值对中心像素i对应图像块的权重:
其中Zi为归一化参数,h为加权核函数的衰减参数,a为控制加权核函数理想程度的参数,加权核函数根据相似程度分配权值,利用加权核函数能够更好地实现邻域像素的模糊聚类;
步骤3:计算各个方向像素对应图像块与中心像素i对应图像块之间的加权距离:
步骤4:计算出邻域内像素与中心像素之间的相似性测度:
利用上述相似性测度即可实现邻 域像素的模糊聚类和图像的模糊聚类分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110513814.5A CN113160214B (zh) | 2021-05-12 | 2021-05-12 | 一种图像局部邻域像素相似性衡量新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110513814.5A CN113160214B (zh) | 2021-05-12 | 2021-05-12 | 一种图像局部邻域像素相似性衡量新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160214A CN113160214A (zh) | 2021-07-23 |
CN113160214B true CN113160214B (zh) | 2022-10-14 |
Family
ID=76874489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110513814.5A Active CN113160214B (zh) | 2021-05-12 | 2021-05-12 | 一种图像局部邻域像素相似性衡量新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160214B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494778B (zh) * | 2022-01-25 | 2023-02-10 | 南方电网物资有限公司 | 用于电力设备远程监造的图像采集处理系统及其控制方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015148532A (ja) * | 2014-02-07 | 2015-08-20 | キヤノン株式会社 | 距離計測装置、撮像装置、距離計測方法、およびプログラム |
CN105654453B (zh) * | 2014-11-10 | 2018-09-28 | 华东师范大学 | 一种鲁棒性的fcm图像分割方法 |
CN104899835B (zh) * | 2015-04-28 | 2018-07-10 | 西南科技大学 | 基于盲模糊估计与锚定空间映射的图像超分辨处理方法 |
CN105261004B (zh) * | 2015-09-10 | 2018-03-06 | 西安电子科技大学 | 基于均值漂移和邻域信息的模糊c均值图像分割方法 |
CN105957063B (zh) * | 2016-04-22 | 2019-02-15 | 北京理工大学 | 基于多尺度加权相似性测度的ct图像肝脏分割方法及系统 |
CN107316060A (zh) * | 2017-06-16 | 2017-11-03 | 鲁东大学 | 基于像素局部信息及非局部信息的模糊聚类图像分割方法 |
CN107730516B (zh) * | 2017-10-16 | 2020-03-24 | 江南大学 | 一种基于模糊聚类的脑mr影像分割方法 |
CN107820083B (zh) * | 2017-10-20 | 2019-11-15 | 大连大学 | 基于角点检测和非局部相似性的视频压缩感知重构方法 |
CN110147795A (zh) * | 2019-05-24 | 2019-08-20 | 电子科技大学 | 一种自适应非局部模糊c均值聚类sar图像分割算法 |
CN111369514B (zh) * | 2020-02-28 | 2024-04-02 | 京东方科技集团股份有限公司 | 图像分割方式的检测方法、装置和显示装置 |
-
2021
- 2021-05-12 CN CN202110513814.5A patent/CN113160214B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113160214A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115861135B (zh) | 一种应用于箱体全景探测的图像增强及识别方法 | |
CN115082467B (zh) | 基于计算机视觉的建材焊接表面缺陷检测方法 | |
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
CN110443778B (zh) | 一种检测工业品不规则缺陷的方法 | |
CN111161222B (zh) | 一种基于视觉显著性的印刷辊筒缺陷检测方法 | |
CN110660040A (zh) | 一种基于深度学习的工业品不规则缺陷检测方法 | |
CN117197140B (zh) | 基于机器视觉的不规则金属扣成型检测方法 | |
CN109377450B (zh) | 一种边缘保护的去噪方法 | |
CN116091455A (zh) | 基于机器视觉的钢网表面缺陷判定方法 | |
CN110996096B (zh) | 一种基于结构相似性差异度的色调映射图像质量评价方法 | |
CN107169962B (zh) | 基于空间密度约束核模糊聚类的灰度图像快速分割方法 | |
CN112801896B (zh) | 基于前景提取的逆光图像增强方法 | |
CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
WO2020155764A1 (zh) | 掌纹提取方法、装置及存储介质、服务器 | |
CN110378924A (zh) | 基于局部熵的水平集图像分割方法 | |
CN113160214B (zh) | 一种图像局部邻域像素相似性衡量新方法 | |
CN108805139B (zh) | 一种基于频域视觉显著性分析的图像相似性计算方法 | |
CN113392854A (zh) | 一种图像纹理特征提取分类方法 | |
CN111047618B (zh) | 基于多尺度的无参考屏幕内容图像质量评估方法 | |
CN106846343A (zh) | 一种基于聚类超像素分割的病理图像特征提取方法 | |
CN112508963A (zh) | 一种基于模糊c均值聚类的sar图像分割方法 | |
CN115797607A (zh) | 一种增强vr真实效果的图像优化处理方法 | |
CN115326809A (zh) | 一种隧道衬砌表观裂纹检测方法及检测装置 | |
CN106295716A (zh) | 一种基于视频信息的交通运动目标分类方法及装置 | |
CN109829511B (zh) | 基于纹理分类的下视红外图像中云层区域检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |