资源描述：
《基于改进的k-means聚类算法水下图像边缘检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、基于改进的K-means聚类算法水下图像边缘检测-电气论文基于改进的K-means聚类算法水下图像边缘检测赵凤娇，贺月姣（中国海洋大学信息科学与工程学院，山东青岛266100）摘要：边缘检测被广泛用于图像分析与处理中，由于水的吸收和散射效应，传统的边缘检测算法对于水下图像得不到较好的效果。在此应用一种新的方法来得到较准确的水下图像边缘，首先，将原始图像使用暗原色先验算法进行处理得到较清晰的水下图像；然后，使用梯度幅值边缘检测算法检测出初始边缘，在初始边缘上检测出端点，使用改进的K?means聚类算法对端点进行分类，从而确定背景和目标灰度值接近的区域作为窗口
2、；最后，在窗口内使用梯度幅值检测边缘，通过多个窗口的并集得到最终边缘。实验结果表明，边缘检测效果得到明显的改善。关键词：边缘检测；暗原色先验；图像分析；K?means中图分类号：TN911.73?34文献标识码：A文章编号：1004?373X（2015）20?0089?03图像边缘检测是图像处理与分析中最基础的内容之一，被广泛用于特征描述、图像分割、图像增强、模式识别以及图像压缩等。因此，边缘检测在图像处理与分析中成为一个研究热点，新的理论和方法不断地被提出。目前经常使用的算法有Roberts，Sobel，Prewitt，LoG，Canny，Kirsch等
3、，但这些经典的边缘检测方法不能很好地用于水下图像。本文使用一种改进的边缘检测算法来得到较准确的水下图像边缘。1图像处理：暗原色先验由于水体对光的吸收效应和散射效应使得水下图像有严重的非均匀亮度和细节模糊、信噪比很低、对比度明显变差，因而水下图像极不理想。本文使用暗原色先验方法得到相对清晰地原始图像。1.1水下光的物理特性根据McCartneymodel[1]，图像模型如下：I(x)=J(x)t(x)+A[1-t(x)]（1）式中：I为输入的场景图像；J为场景辐射率；A为大气光成分；t为光线透射率。透射率t可表示为：式中：a为吸收系数；b为散射系数；d（x）
4、是景物深度。1.2暗原色先验根据Hesresearch[2]，该理论认为：在绝大多数户外无雾图像的局部区域里，至少存在一些像素，其一个颜色通道的强度值很低。He统计了5000多幅图像，暗原色通道的统计结果如图1所示。大约75%的暗原色通道的像素值为0，90%的像素值低于0.25。1.3暗原色先验算法算法流程图[3]如图2所示。在水下图像中，限定的局部区域内存在至少一个颜色通道的强度值很低，假设这个区域为Ω（x），则水下图像J的暗原色可表示为：Jc表示一个颜色通道的亮度值，Ω表示以x为中心的一个区域。估计透射率（tx）：式（4）右侧由于水下图像暗原色接近于0
5、，因此得出（tx）为：式中：ω是一个常数（0ω1）。复原后图像为：式中：T为设定的最低阈值，应用水下光学理论确定A的值。2边缘检测2.1初始边缘检测首先使用Sobel[4]算法检测出初始边缘，将边缘细化[5]为一个像素。将细化后的边缘作为初始边缘并记为einit。2.2端点标记端点标记算法：（1）取初始二值边缘einit上的一个像素值为1的边缘像素点Q；（2）将该像素点的8邻域内的像素值按照顺序展开成一维数组，并在该一维数组中寻找模式“01”个数C；（3）将当前像素点的值Q和C做“与”运算，若计算结果为1，则说明该点是端点，否则不是；（4）取下一个没有检测
6、过的的边缘点，循环执行步骤（2）与步骤（3），直到所有边缘点被检测完。2.3确定窗口大小使用K?means聚类算法[6]对检测出的N个端点进行分类，假设初始边缘端点为{（x1，y1），（x2，y2），…，（xN，yN）}，使用改进的K?means聚类算法将N个边缘端点分成k类，若第i（i=1，2，…，k）个分类的集合为Ci={(x1i},y1i),(x2i,y2i),…,(xni,yni)，则第i个窗口上下左右边界分别为：K?means算法的基本思想是初始随机给定k个聚类中心，按照最邻近原则把待分类样本点分到各个聚类中。然后按平均法重新计算各个聚类的质心，
7、从而确定新的聚类中心。一直迭代，直到类心的移动距离小于某个给定的值。根据TouandGonzalez[7]传统K?means算法步骤如下：（1）选取k个初始聚类中心z1（1），z2（1），…，zk（1）。（2）计算每个点到聚类中心的距离，将每个点聚类到离该点最近的聚类中去，即若
8、
9、x-zj(k)
10、
11、
12、
13、x-zi(k)
14、
15、，则x∈Cj()k,j=1,2,…,k;i≠j;Cj（k）表示聚类中心为zj（k）的样本集。（3）重新计算聚类中心zj（k+1）：式中：Nj表示样本集Cj（k）的样本个数。（4）如果zj(k+1)=zj(k),j=1,2,…,k，停止迭代；
16、否则转到步骤（2）。改进的聚类算法[8]：传统的K?means聚类
