[發明專利]一種加權法實現空間限制的混合模型圖像分割方法

有效

• 申請號: 201410276568.6
• 申請日: 2014-06-19
• 公開（公告）號: CN104077771B
• 公開（公告）日: 2017-06-20
• 發明（設計）人: 劉詠梅;姚愛紅;張菁
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06K9/34;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種加權法實現空間限制的混合模型圖像分割方法，其特征在于：

(1)讀入一幅自然場景圖像，確定圖像分割的類別數目K，K即為混合分量的個數，設置迭代的終止閾值η；

(2)采用K-均值聚類算法獲得圖像的初始分割結果，ID(i)代表第i個像素的聚類類別，ID(i)∈[1,K]；

(3)設置每個像素的初始權值像素類別號l≠ID(i)，則設置

(4)對進行平滑濾波得并歸一化處理

(5)以上次分割結果作為初始值，開始下一輪的似然加權EM計算：

(5.1)E步驟計算每個像素的后驗概率p(k|x_i,Π^(t),Θ^(t))：

對每個混合分量k，

$p\left(k\right|x_i,{\Π}^{\left(t\right)},{\mathrm{\Θ}}^{\left(t\right)})=\frac{{\mathrm{\π}}_i^{k^{\left(t\right)}}{f}_k{\left(x_i\right|{\mathrm{\θ}}_k^{\left(t\right)})}^{w_i^k}}{{\Σ}_{k=1}^K{\mathrm{\π}}_i^{k^{\left(t\right)}}{f}_k{\left(x_i\right|{\mathrm{\θ}}_k^{\left(t\right)})}^{w_i^k}}$

其中，x_i為圖像第i個像素點的亮度值；Π和Θ為模型參數向量，Π＝(π₁,…,π_K)，為第k個混合分量的先驗概率，滿足Θ＝(θ₁,...,θ_K)，為第k個混合分量的參數，當每個分量服從正態分布時，μ_k為第k個混合分量的均值向量，Σ_k為第k個混合分量的協方差陣；

(5.2)M步驟更新每個混合模型分量的模型參數：

對每個模型分量k：

${\mathrm{\π}}_i^{k^{(t+1)}}=p\left(k\right|x_i,{\Π}^{\left(t\right)},{\mathrm{\Θ}}^{\left(t\right)})$

${\mathrm{\μ}}_k^{(t+1)}=\frac{{\Σ}_{i=1}^N{w}_i^{k}p\left(k\right|x_i,{\Π}^{\left(t\right)},{\mathrm{\Θ}}^{\left(t\right)})x_i}{{\Σ}_{i=1}^N{w}_i^{k}p\left(k\right|x_i,{\Π}^{\left(t\right)},{\mathrm{\Θ}}^{\left(t\right)})}$

${\Σ}_k^{(t+1)}=\frac{{\Σ}_{i+1}^N{w}_i^{k}P\left(k\right|X_i;{\mathrm{\Θ}}^{\left(t\right)})(x_i-{\mathrm{\μ}}_k^{(t+1)})\·{(x_i-{\mathrm{\μ}}_k^{(t+1)})}^T}{{\Σ}_{i+1}^N{w}_i^{k}P\left(k\right|x_i;{\mathrm{\Θ}}^{\left(t\right)})};$

(6)對收斂后的做平滑濾波做歸一化處理

(7)如果則輸出原圖像的分割結果圖像；否則重新執行步驟(5)。