王燕鳳，馬 寧

（1.西北民族大學(xué) 數(shù)學(xué)與計算機(jī)科學(xué)學(xué)院，甘肅 蘭州730030；2.西北民族大學(xué) 中國民族信息技術(shù)研究院，甘肅 蘭州730030）

0 引言

圖像作為人類感知世界的視覺基礎(chǔ)，已成為人類獲取信息、表達(dá)信息和傳遞信息的重要手段.統(tǒng)計表明：在人類獲取的各種信息中，80%以上的信息來自視覺信息，或者說圖像信息，這包括符號、文本、圖形、圖像、視頻等信息 .隨著計算機(jī)技術(shù)和數(shù)字圖像技術(shù)的不斷成熟，圖像作為客觀世界最為直接的信息載體，已成為越來越重要的研究對象.

在計算機(jī)視覺和圖像分析中，如何把目標(biāo)物體從圖像中有效分割出來，一直是個難題之一，它決定圖像的最終分析質(zhì)量和模式識別的判別結(jié)果.圖像分割是指將圖像中具有特殊意義的不同區(qū)域分開來，并使這些區(qū)域相互不相交，且每個區(qū)域應(yīng)滿足特定區(qū)域的一致性條件［1］.圖像一旦被分割，就可作進(jìn)一步的處理，如基于內(nèi)容的圖像檢索、分類及識別等.因此，圖像分割是圖像處理和模式識別中的一個重要研究領(lǐng)域.目前圖像分割的算法主要有閾值分割法、邊緣提取法、區(qū)域分割法、分水嶺分割法等，這些分割算法各有優(yōu)缺點(diǎn).近年來，許多研究人員提出用聚類算法來分割圖像，并取得了較好的實驗結(jié)果.但如何初始劃分（分類）樣本以及選擇代表點(diǎn)將直接影響分割的效果［2］.

由于彩色圖像的大量存在，對彩色圖像的分割顯得尤為重要.本文從統(tǒng)計模式識別的角度出發(fā)，將彩色圖像的各個像素點(diǎn)的色彩分量值看作待分類樣本，進(jìn)行迭代動態(tài)聚類.ISODATA算法屬于一種動態(tài)聚類算法［3］，較C-均值算法有更好的適應(yīng)性和靈活性.由于彩色圖像含有豐富的色彩信息，從多個信息面描述了圖像中的物體特征，能夠充分發(fā)揮非監(jiān)督聚類算法的優(yōu)勢 .根據(jù)色彩提供的大量信息自動形成各個聚類，各個聚類能較好地與圖像中本來物體相吻合，并且在聚類的分析過程中就完成了物體的標(biāo)號，達(dá)到分割的目的.

1 ISODATA算法

ISODATA 算法是統(tǒng)計模式識別中非監(jiān)督動態(tài)聚類算法中的一種［4］.通過設(shè)定初始聚類中心和聚類數(shù)，定義相似度準(zhǔn)則函數(shù)將全部樣本調(diào)整完畢后重新計算樣本均值作為新的聚類中心 .在調(diào)整樣本過程中完成聚類分析，動態(tài)地進(jìn)行類的“合并”和“分裂”，從而得到類數(shù)比較合理的各個聚類.ISODATA作為一種動態(tài)聚類算法［5］，要解決如下問題：

1）確定樣本間的相似度函數(shù)D（x，y）＝‖x-y‖.

2）確定評價聚類結(jié)果質(zhì)量的準(zhǔn)則函數(shù)，在這里采用誤差平方和準(zhǔn)則函數(shù)：

3）給定某個初始分類和一些初始條件，然后應(yīng)用迭代算法找出使準(zhǔn)則函數(shù)取得最小值的最好聚類結(jié)果.

算法可按如下幾步進(jìn)行：

① 確定初始控制參數(shù)：K表示期望得到的聚類數(shù)；θN表示個聚類中最少樣本數(shù)；θs表示標(biāo)準(zhǔn)偏差參數(shù)；θc表示類間合并參數(shù)；L表示每次迭代允許合并的最大聚類對數(shù)；I表示允許迭代的次數(shù).

② 按定義的相似度準(zhǔn)則函數(shù)，將樣本歸入最有可能的類.

③ 根據(jù)步驟②的分類結(jié)果更新聚類中心.

④ 計算各類中每個樣本與其中心的相似度以及所有樣本與其相應(yīng)聚類中心的平均相似度δ，每個聚類內(nèi)樣本分量的標(biāo)準(zhǔn)偏差.

⑤ 根據(jù)步驟④的計算結(jié)果決定是否進(jìn)行分裂以及分裂策略.

⑥ 根據(jù)當(dāng)前聚類中心之間的相互相似度決定是否進(jìn)行合并以及合并策略.

⑦ 若這是最后一次迭代，則程序終止；若需按經(jīng)驗改變參數(shù)，則轉(zhuǎn)向步驟①；若不需要改變參數(shù)，則轉(zhuǎn)向步驟②.

ISODATA算法的優(yōu)點(diǎn)是算法效率高、所需信息量較少，缺點(diǎn)是存在較大的不確定性，因為它是非監(jiān)督的分類之前沒有一定類別的樣本集，類別數(shù)未知.

2 Matlab程序?qū)崿F(xiàn)

3 實驗結(jié)果

根據(jù)對ISODATA算法的分析，利用Matlab編寫程序，實現(xiàn)了對一幅典型圖像進(jìn)行分割實驗.效果如圖1所示.

圖1 基于ISODATA算法的圖像分割

4 小結(jié)

本章主要采用ISODATA算法實現(xiàn)圖像分割的方法進(jìn)行了詳細(xì)的敘述，并利用Matlab編寫程序?qū)崿F(xiàn)了基于ISODATA算法的圖像分割，對以后研究圖像分割的改進(jìn)工作打下了基礎(chǔ).

［1］徐曉麗 .基于聚類分析的圖像分割算法研究［D］.哈爾濱：哈爾濱工程大學(xué)，2012.

［2］片兆宇.圖像分割若干問題的研究與應(yīng)用［D］.東北大學(xué)，2009.

［3］葛宏立.面向類的圖像分割方法研究［D］.北京林業(yè)大學(xué)，2004.

［4］曹雪，柯長青.基于對象級的高分辨率遙感影像分類研究［J］.遙感信息，2006，5：27-30.

［5］李石華，王金亮等.遙感圖像分類方法研究綜述［J］.國土資源遙感，2005，2：2-6.