本发明公开了一种基于李群理论的模糊聚类图像分割方法及系统,其中,方法包括:提取图像底层特征,得到图像像素特征向量;基于所述图像像素特征向量,构建图像的矩阵李群特征;初始化模糊隶属度矩阵与聚类中心;在李群流形上计算像素的李群特征到聚类中心的距离;更新聚类中心与模糊隶属度矩阵;终止迭代与分割图像;本发明提高了样本聚类可分性的同时保证了算法的稳定性;优化了邻域空间信息的利用,在提高算法抗噪能力的同时更好地保留图像细节,并提高了算法的收敛速度;与现有技术相比,本发明提出的方法在提高分割精度的同时具有良好的稳定性与高效的运行效率。

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。鉴于上述存在的问题，提出了本发明。因此，本发明解决的技术问题是：现有改进的算法虽然提高了模糊C均值算法的噪声鲁棒性，但是往往会损失图像上点和线的细节，导致分割结果精度下降。为解决上述技术问题，本发明提供如下技术方案：第一方面，本发明实施例提供了一种基于李群理论的模糊聚类图像分割方法，包括：提取图像底层特征，得到图像像素特征向量；基于所述图像像素特征向量，构建图像的矩阵李群特征；初始化模糊隶属度矩阵与聚类中心；在李群流形上计算像素的李群特征到聚类中心的距离；

本发明涉及的技术领域是图像处理和计算机视觉技术领域，尤其涉及一种基于李群理论的模糊聚类图像分割方法及系统。

背景技术

图像分割作为一个由图像处理向图像分析过渡的关键步骤，一直以来都是图像处理和计算机视觉领域的热点。基于聚类分析的图像分割方法通过将像素转移至对应的特征空间中进行聚类，根据聚类结果进行图像分割。由于基于聚类的图像分割算法可以在先验信息较少的情况下，通过优化样本在特征空间中的处理策略应用于更多分割场景，成为了较为常用的图像分割方法之一。其中，模糊C均值(FCM)算法凭借其学习成本低、算法开销少的特点，成为常用的基于聚类的图像分割技术。然而，传统的模糊C均值算法在运用于图像分割时，只考虑到了像素的特征与聚类中心的欧式距离，忽略了邻域像素与当前像素的关联，导致其分割结果极易受到噪声干扰。

为了提升模糊C均值算法在运用于图像分割任务时的抗噪能力，大部分改进算法利用核函数对样本进行高维映射并构建关于像素邻域空间信息的约束项。然而，模糊C均值算法在核函数映射的高维空间中容易迭代至局部最小值，导致算法运行结果十分不稳定。另外，这些改进的算法虽然提高了模糊C均值算法的噪声鲁棒性，但是往往会损失图像上点和线的细节，导致分割结果精度下降。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

发明人：刘力 孙灏铖苏州大学坐落于素有“人间天堂”之称的历史文化名城苏州，是国家“211工程”“2011计划”首批入列高校，是教育部与江苏省人民政府共建“双一流”建设高校、国家航天局共建高校，是江苏省属重点综合性大学。苏州大学前身是Soochow University（东吴大学，1900年创办），开现代高等教育之先河，融中西文化之菁华，是中国最早以现代大学学科体系举办的大学。在中国高等教育史上，东吴大学是最早开展研究生教育并授予硕士学位、最先开展法学（英美法）专业教育，也是第一家创办学报的大学。1952年中国大陆院系调整，由东吴大学之文理学院、苏南文化教育学院、江南大学之数理系合并组建苏南师范学院，同年更名为江苏师范学院。1982年，学校更名苏州大学（Soochow University）。

本发明的有益效果：本发明通过从底层图像特征中构建每个像素的矩阵李群特征，将图像从欧式空间映射到李群空间，基于测地线距离度量在李群流形上实现了模糊C均值聚类，提高样本聚类可分性的同时保证了算法的稳定性；基于局部统计信息构建了矩阵李群特征中的加权均值滤波信息与目标函数中的自适应加权模糊隶属度约束，优化了邻域空间信息的利用，在提高算法抗噪能力的同时更好地保留图像细节，并提高了算法的收敛速度；与现有技术相比，本发明提出的方法在提高分割精度的同时具有良好的稳定性与高效的运行效率。

当前专利在中国不属于公知技术，未经权利人许可不得实施，希望将科技成果转让给研发实力雄厚的企业，由受让人对科技成果实施转化。交易的是科技成果中的知识产权，可以包括专利权、专利申请权、技术秘密等。科技成果转让后，转让方获得转让费，不再是科技成果的所有人；受让方向转让方支付转让费，并成为科技成果的新的所有人。