[發明專利]基于空間平滑的多元學生t分布混合模型圖像分割方法

在審

• 申請號: 201710041808.8
• 申請日: 2017-01-20
• 公開（公告）號: CN106709918A
• 公開（公告）日: 2017-05-24
• 發明（設計）人: 黃源源;熊太松;何建新;李孝杰
• 申請（專利權）人: 成都信息工程大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06K9/62
• 代理公司: 北京輕創知識產權代理有限公司11212
• 代理人: 談杰

1.一種基于空間平滑的多元學生t分布混合模型圖像分割方法，其特征在于，該基于空間平滑的多元學生t分布混合模型圖像分割方法包括以下步驟：

步驟一：輸入待分割圖像，得到圖像的顏色信息；

步驟二：設置聚類數目K及迭代終止的似然函數變化值和迭代的最大次數；

步驟三：初始化參數，使用K-均值算法得到均值μ和協方差Σ，然后初始化變量，設置變量η＝1，精度Λ＝(ηΣ)^-1，v＝1，利用近鄰關系求得像素中的每個像素的均值

步驟四：E-Step假設分布的參數均值μ和協方差Σ已知，求解隱含變量的值；

步驟五：M-Step利用求得的最大似然值再返過來求解函數參數均值μ和協方差Σ的值；

步驟六：

計算對數似然函數的值，計算其變化值

$\frac{|L^{\left(t\right)}\left(\mathrm{\Θ}\right)-L^{(t+1)}\left(\mathrm{\Θ}\right)|}{L^{(t+1)}\left(\mathrm{\Θ}\right)}\<{10}^{-5}$

或迭代次數超過規定數就退出循環操作，否則執行步驟四操作；

步驟七：

計算像素的最大后驗概率，根據最大后驗概率原則得到像素的類別。

2.如權利要求1所述的基于空間平滑的多元學生t分布混合模型圖像分割方法，其特征在于，所述步驟一中，假設一副圖像中共有N個像素，這些像素被分為K類。

3.如權利要求1所述的基于空間平滑的多元學生t分布混合模型圖像分割方法，其特征在于，步驟三中像素的平均值的求解按下面公式進行求解，

${\stackrel{\‾}{x}}_n=\frac{1}{N_n}\underset{m\∈{\∂}_n}{\Σ}{x}_m$

式中表示近鄰系統，N_n表示近鄰系統中近鄰的個數。