[發明專利]基于高斯混合模型區域圖像彩色化處理的方法

無效

• 申請號: 200910198228.5
• 申請日: 2009-11-03
• 公開（公告）號: CN101706965A
• 公開（公告）日: 2010-05-12
• 發明（設計）人: 汪世剛;呂東輝;孫修立
• 申請（專利權）人: 上海大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T11/40
• 代理公司: 上海上大專利事務所(普通合伙) 31205
• 代理人: 陸聰明

1.一種基于高斯混合模型區域圖像彩色化處理的方法，其特征在于首先用貝葉斯陰陽機BYY理論方法構造高斯混合模型，分別計算源彩色圖像和目標灰度圖像高斯混合模型參數，然后根據所建高斯混合模型對區域圖像進行聚類分割形成區域圖像塊，將分割后的源圖像區域圖像塊與目標圖像區域圖像塊自動實現匹配，用顏色轉移算法實現匹配后的區域圖像塊顏色轉移，最后完成區域圖像的彩色化，其具體步驟如下：

A、構造高斯混合模型，計算高斯混合模型參數；

B、根據高斯混合模型分別對源圖像和目標圖像聚類分割；

C、完成區域圖像的彩色化。

2.根據權利要求1所述的基于高斯混合模型區域圖像彩色化處理的方法，其特征在于，上述步驟A中所述的構造高斯混合模型，計算高斯混合模型參數，其具體步驟如下：

A1、構造高斯混合模型及計算參數

設圖像像素集合為將x_i作為高斯混合模型的數據，高斯混合模型公式為：

P(xi,Θ)=Σy=1kwyG(xi,my,Vy)---(1)]]>

其中，G(x_i，m_y，V_y)為多元高斯密度函數，m_y與V_y為該密度函數的均值和協方差；k為高斯混合模型個數；w_y為高斯混合模型的權重，

計算高斯混合模型中參數k、w_y、m_y、V_y四個參數如下：

計算聚類數k

給定N個像素集合的圖像，將X分為k類，對應每類的均值向量為m_y，協方差矩陣為V_y，則選擇聚類數k的評價函數可定義為：

J(k,Θ)=12Σy=1kwylog|Vy|-Σy=1kwylogwy---(2)]]>

其中，1≤k≤M，M為設定的最大聚類數，求得在此k的條件下函數J(k，Θ)關于自變量Θ的最小值，即J(k)＝min_Θ(J(k，Θ))，依次固定k值可得到該條件下的J(k)曲線，則J(k)最小值時的k₀值就是像素集X的最佳聚類數，即k₀＝min_k(J(k))，

計算參數Θ

用期望最大化(Expectation?Maximization，EM)算法代替最大似然估計求解Θ參數，EM算法的公式分別為

E步驟：

p(y|xi)=wyoldG(xi|y,myold,Vyold)Σy=1kwyoldG(xi|y,myold,Vyold)---(3)]]>

M步驟：

wynew=Σi=1Np(y|xi)N,]]>

mynew=Σi=1Np(y|xi)xiΣi=1Np(y|xi),]]>

Vynew=Σi=1Np(y|xi)(xi-mynew-)(xi-mynew)TΣi=1Np(y|xi)---(4)]]>

A2、計算源圖像的高斯混合模型參數，計算步驟如下：

A21、將圖像從RGB顏色空間轉換到1αβ顏色空間，得到N個像素集為三維向量；

A22、將像素集X^s作為高斯混合模型聚類對象，用公式(2)計算高斯混合模型的聚類數k，用公式(3)(4)EM迭代算法計算Θ值，設定圖像最大聚類數M＝6，其具體步驟如下：

A221、初始化最小聚類數k＝1；

A222、計算Θ值，用公式(3)(4)的迭代算法計算J(k，Θ)式中Θ值，函數J(k，Θ)到達最小，記錄Θ值；

A223、計算J(k)值，將參數k＝1、w₁、V₁代入公式(2)，計算J(k)值，記錄J(k)值；

A224、遞增聚類數k，判斷k是否大于最大聚類數M，如果k大于M，結束源圖像的高斯混合模型參數計算，輸出最佳的聚類數k₀^s及該聚類數下的Θ值；否則重復步驟A222、A223，直到得到源圖像的高斯混合模型參數：

A3、計算目標圖像的高斯混合模型參數

該圖像的高斯混合模型聚類對象的像素集為為一維向量，借助于計算源圖像的高斯混合模型參數步驟A21、A22得到目標圖像的高斯混合模型參數，得到目標圖像的高斯混合模型參數：