[發(fā)明專利]一種基于標(biāo)記融合的概率圖形模型圖像分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410691421.3
• 申請(qǐng)日: 2014-11-25
• 公開(kāi)（公告）號(hào): CN104361601A
• 公開(kāi)（公告）日: 2015-02-18
• 發(fā)明（設(shè)計(jì)）人: 劉剛;朱凱;趙龍;張慶超
• 申請(qǐng)（專利權(quán)）人: 上海電力學(xué)院
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 趙繼明

1.一種基于標(biāo)記融合的概率圖形模型圖像分割方法，其特征在于，包括以下步驟：

1)獲取目標(biāo)圖像和多幅訓(xùn)練圖像，將目標(biāo)圖像與各訓(xùn)練圖像進(jìn)行配準(zhǔn)，獲得相應(yīng)的形變場(chǎng)；

2)獲取各配準(zhǔn)后的訓(xùn)練圖像的手工分割標(biāo)記圖像，根據(jù)形變場(chǎng)映射得到對(duì)應(yīng)的候補(bǔ)標(biāo)記；

3)根據(jù)配準(zhǔn)后的訓(xùn)練圖像和目標(biāo)圖像建立概率圖形模型；

4)根據(jù)概率圖形模型，采用局部加權(quán)表決的標(biāo)記融合算法和最大后驗(yàn)概率計(jì)算目標(biāo)圖像中每一個(gè)像素點(diǎn)處的標(biāo)記值，完成對(duì)目標(biāo)圖像的分割。

2.根據(jù)權(quán)利要求1所述的基于標(biāo)記融合的概率圖形模型圖像分割方法，其特征在于，所述步驟1)中，將目標(biāo)圖像與各訓(xùn)練圖像進(jìn)行配準(zhǔn)具體為：

1a)將多幅訓(xùn)練圖像分別與目標(biāo)圖像進(jìn)行剛性配準(zhǔn)，對(duì)各訓(xùn)練圖像按與目標(biāo)圖像的相似度從大到小排序，挑選出前N幅訓(xùn)練圖像；

1b)將挑選出的訓(xùn)練圖像與目標(biāo)圖像進(jìn)行非剛性配準(zhǔn)，得到相應(yīng)的形變場(chǎng)以及配準(zhǔn)后的訓(xùn)練圖像。

3.根據(jù)權(quán)利要求1所述的基于標(biāo)記融合的概率圖形模型圖像分割方法，其特征在于，所述步驟3)具體為：

3a)對(duì)圖像灰度值信息建立高斯模型：

pn(I(x);In)=12πσ2exp[-12σ2(I(x)-I~n(Φn(x)))2]]]>

其中，I(x)為目標(biāo)圖像在像素點(diǎn)x處的灰度值，I_n為第n幅配準(zhǔn)后的訓(xùn)練圖像的灰度值，σ²為高斯分布的方差，表示第n幅未經(jīng)過(guò)配準(zhǔn)的訓(xùn)練圖像的灰度值，Φ_n為配準(zhǔn)時(shí)相應(yīng)的形變場(chǎng)；

3b)對(duì)標(biāo)記值信息建立先驗(yàn)?zāi)Ｐ停?/p>

pn(L(x)=l;Ln)=1Zn,ρ(x)exp[ρD~nlΦn(x)]]]>

其中，L(x)為目標(biāo)圖像的標(biāo)記值，L_n為第n幅配準(zhǔn)后的訓(xùn)練圖像的候選標(biāo)記集合，ρ為斜率常數(shù)，ρ＞0，Z_n，ρ(x)為與ρ相關(guān)的配分函數(shù)，為在第n幅訓(xùn)練圖像中標(biāo)記值為l的有符號(hào)距離變換；

3c)對(duì)目標(biāo)圖像與訓(xùn)練圖像集之間的關(guān)系建立MRF先驗(yàn)?zāi)Ｐ停锤怕蕡D形模型：

p(M)=1ZβΠx∈Ωexp(βΣy∈Nrδ(M(x),M(y)))]]>

其中，β為標(biāo)量參數(shù)，β≥0，Z_β為只依賴于β的配分函數(shù)，N_x為像素點(diǎn)x的空間鄰域，M表示隱含的隨機(jī)場(chǎng)，指定目標(biāo)圖像中的每一個(gè)像素點(diǎn)取自某個(gè)訓(xùn)練圖像，M(x)即為像素點(diǎn)x的訓(xùn)練圖像索引，Ω表示像素點(diǎn)的范圍。