CN113160214B - 一种图像局部邻域像素相似性衡量新方法 - Google Patents

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

一种图像局部邻域像素相似性衡量新方法

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：

1）首先确定以像素点i为中心的邻域，邻域大小设置为

，然后分别以邻域内 各像素为中心创建

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：

其中N _j 表示以像素点j为中心的图像块，N为图像块内包含的像素个数，

表示点 积运算，X _i 、X _j 分别表示以像素点i、j为中心的图像块。

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；

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，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：

其中N_j表示以像素点j为中心的图像块，N为图像块内包含的像素个数，

表示点积运算，X_i、X_j分别表示以像素点i、j为中心的图像块；

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。