[發明專利]基于高斯混合模型與支持向量機的彩色圖像分割方法

無效

• 申請號: 201110459212.2
• 申請日: 2011-12-31
• 公開（公告）號: CN102637298A
• 公開（公告）日: 2012-08-15
• 發明（設計）人: 王向陽;王欽琰
• 申請（專利權）人: 遼寧師范大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 杜樹華

技術領域

本發明屬于多媒體信息處理的圖像分割技術領域，具體涉及一種結合高斯混合模型與支持向量機的彩色圖像分割方法。?

背景技術

目前圖像分割的方法有很多，早期的圖像研究主要將分割方法分為兩大類，一種是基于邊界的分割方法，另一種是基于區域的分割方法。基于區域的分割方法依賴于圖像的空間局部特征，如灰度、紋理及其他像素統計特性的均勻性等。典型的基于區域分割方法有區域生長、區域分裂及區域生長和分裂相結合的方法等。由于這些方法依賴于圖像的灰度值，因此它們的主要優點是對噪聲不敏感，但是這些方法常常造成圖像的過分割問題，而且，分割結果很大程度依賴于種子點的選擇，分割所得區域的形狀也依賴于所選擇的分割算法。基于邊界的分割方法主要是利用梯度信息確定目標的邊界，包括局部微分算子，如Roberts算子、Sobel算子、Prewitt梯度算子和Laplacian二階差分算子等。這些方法不依賴于已處理像素的結果，適于并行化，但缺點是對噪聲敏感，而且當邊緣像素值變化不明顯時，容易產生假(false)邊界或不連續的邊界。?

當前的圖像分割研究已經進入了一個新的階段，主要表現在統計工具的廣泛使用。基于統計模型的圖像分割方法包括基于多尺度變換域統計模型的圖像分割方法和基于空域統計模型的圖像分割方法，前者是在原始圖像經過某一變換后，根據變換域信息進行建模，常見的有基于Wavelet、Contourlet等隱馬爾可夫樹模型(HMT)的分割方法；后者則是直接在原始圖像基礎上對感興趣的特征進行建模，常見的有基于高斯混合模型(GMM)、基于空域馬爾可夫隨機場(MRF)模型的圖像分割方法。這類分割方法借助統計模型捕獲了圖像的特征，相比于傳統的分割方法，得到了更加準確的分割結果。?

發明內容

本發明針對以上問題的提出，而研制的一種基于高斯混合模型與支持向量機的彩色圖像分割方法，具有如下步驟：?

S1.提取圖像的顏色和紋理特征；?

S2.利用提取的顏色和紋理特征，構建高斯混合模型，利用高斯模型對圖像進行初始分割；?

S3.利用支持向量機，將S2中初始分割后的圖像，再進行分割，完成對圖像的分割；?

所述步驟S1提取圖像的顏色和紋理特征具有如下步驟：?

S101.顏色特征的提取；?

S102.紋理特征的提取：利用Sobel算子表示梯度特征、對比度特征的提取和方向性的提取；?

高斯模型的建立具有如下步驟：?

S201.建立高斯混合模型?

設X＝{X_i|i＝1，2，...，N}(N是像素個數)是d維隨機變量，此處d＝4，即?它的概率密度函數能寫成k個成分分布的和?

p(Xi|Θ)=Σj=1kαjpj(Xi|θj)]]>

其中，參數Θ＝(α₁，...，α_k，θ₁，...，θ_k)，對每一個概率密度函數p_j，其參數θ_j＝{μ_j，∑_j}，μ_j為均值向量，∑_j為方差矩陣，α_j是每個成分的先驗概率，滿足?