基于k－均值聚类及信息融合的角膜病灶图像分割方法

摘要

一种基于改进的k-均值聚类及信息融合的角膜病灶图像分割方法，涉及数字图像处理领域及眼病的诊断治疗，特征在于利用外眼角膜病灶图像特征的色度信息，通过改进的k-均值聚类完成图像的初次分割，即自学习确定初始色度聚类中心，再通过全图搜索确定最佳聚类中心，进行聚类分割；其次利用图像的亮度信息，通过改进的k-均值聚类完成图像的二次分割，即自学习确定初始亮度聚类中心，再通过全图搜索确定最佳聚类中心，进行聚类分割；利用一种信息融合技术，根据一种新的判断准则完成对色度和亮度信息分割结果的融合；利用数学形态学，设计结构算子及图像边缘检测算子，来完成对图像分割结果的优化。该方法复杂度低，分割效果理想，具有较好的鲁棒性。