[發明專利]基于空間限制鄰域混合模型的圖像分割方法

有效

• 申請號: 201410766009.3
• 申請日: 2014-12-12
• 公開（公告）號: CN104392458A
• 公開（公告）日: 2015-03-04
• 發明（設計）人: 于林森;陳德運;孫廣路;李鵬
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 岳昕

技術領域

本發明屬于圖像處理領域。

背景技術

圖像分割是圖像自動語義內容分析的基礎，分割結果往往對后續處理中的分類與識別具有深遠影響。圖像分割方法層出不窮，在眾多的分割算法中，基于混合模型的聚類算法，特別是基于高斯混合模型(Gaussian?mixture?models，GMM)一直處于一種比較活躍的研究狀態，由于模型參數能夠采用期望最大化算法(Expectation-Maximization，EM)進行有效地估計，而EM又具有實現簡單、保障收斂的優點，并且作為一個生成模型，混合模型的分割結果具有直觀的概率解釋，為后續圖像內容的分析提供了方便。但GMM是建立在像素獨立假設基礎上，在像素的聚類過程中只考慮了像素在視覺空間中的統計分布特性，而沒有考慮到圖像像素的空間位置相關性，這往往會影響到圖像分割區域的平滑和完整性。

發明內容

本發明的目的是為了解決目前在進行圖像分割時，采用EM算法求取混合模型參數存在耦合性的問題，本發明提供一種基于空間限制鄰域混合模型的圖像分割方法。

本發明的基于空間限制鄰域混合模型的圖像分割方法，

所述方法包括如下步驟：

步驟一：根據獨立混合模型建立空間限制鄰域混合模型：

首先，從獨立混合模型的每個像素位置處，選擇一個鄰域，由鄰域內的先驗概率共同決定選擇一個模型分量；

然后，再由確定的模型分量生成每個像素位置對應鄰域內的一組觀測值；

最后，根據確定的模型分量和生成的觀測值，得到空間限制鄰域混合模型的似然函數；

步驟二：利用圖像的像素的視覺觀測值，求得空間限制鄰域混合模型的模型參數；

步驟三：利用所得的空間限制鄰域混合模型的模型參數，獲取分割后的圖像。

步驟一中，根據獨立混合模型建立空間限制鄰域混合模型：

首先，對圖像空間像素i位置處鄰域內的j位置處的先驗概率按照采樣權值所指定的比例進行組合其中R_π為先驗概率的鄰域半徑，為觀測到的像素值x_j來源于第k個模型分量的先驗概率，則對每個j＝1,2…,N和k＝1,2…,K，滿足且N為圖像像素的個數，K為模型分量個數；按照組合后的先驗概率選擇相應的模型分量；

然后，由確定的模型分量按照采樣權值生成對應鄰域內的一組像素觀測值其中R_f為所述觀測值的鄰域半徑，f_k(x_j|θ_k)為第k個模型分量的概率密度函數，其中的θ_k為第k個模型分量的模型參數；根據選擇的模型分量和生成的觀測值，得到空間限制鄰域混合模型的似然函數為：

其中Π＝{π₁,π₂,…,π_N}為圖像像素類別的先驗概率，Θ＝(θ₁,θ₂,…,θ_K)為模型的參數向量，代表在像素i位置處所選擇的模型分量，當表示在像素i位置處處選擇了第k個模型分量，否則

步驟二中，利用圖像的像素的視覺觀測值，求得空間限制鄰域混合模型的模型參數的方法為：

步驟二一：通過空間限制鄰域混合模型的似然函數，利用期望最大化算法，求得空間限制鄰域混合模型的參數：

步驟二一A：求空間限制鄰域混合模型的似然函數的期望值：

其中，t為迭代次數，為像素i位置處選擇第k個模型分量的后驗概率，由貝葉斯準則得：