[發明專利]一種基于概率模型和改進EM算法的圖像分割方法

在審

• 申請號: 201710145520.5
• 申請日: 2017-03-13
• 公開（公告）號: CN106952265A
• 公開（公告）日: 2017-07-14
• 發明（設計）人: 劉剛;張騰;何妍妍
• 申請（專利權）人: 上海電力學院
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/143
• 代理公司: 上海科盛知識產權代理有限公司31225
• 代理人: 宣慧蘭

1.一種基于概率模型和改進EM算法的圖像分割方法，其特征在于，該方法包括以下步驟：

1)將待分割的圖像加入高斯白噪聲；

2)采用k-means算法對加入高斯白噪聲后的圖像進行粗分割，并獲取粗分割后圖像的均值；

3)根據圖像粗分割后得到圖形的灰度值建立混合高斯模型；

4)先將粗分割后圖像的均值作為混合高斯模型的初始值，再采用改進的EM算法對粗分割后圖像進行細分割，最終完成圖像的分割。

2.根據權利要求1所述的一種基于概率模型和改進EM算法的圖像分割方法，其特征在于，所述的步驟2)中，加入的高斯白噪聲的方差由大到小變化。

3.根據權利要求1所述的一種基于概率模型和改進EM算法的圖像分割方法，其特征在于，所述的步驟3)中，混合高斯模型為：

$p\left(x\right)=\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\π}}_k\mathrm{\ψ}\left(x\right|{\mathrm{\μ}}_k,{\mathrm{\Σ}}_k)$

其中，p(x)為混合高斯模型的概率密度函數，x為圖像上一點的灰度值，K為混合高斯模型中單個高斯模型的個數，π_k為第k個單個高斯模型所占的比例，即混合比例系數，ψ(x|μ_k,Σ_k)為單個高斯模型，μ_k為圖像上點灰度值的均值，Σ_k為單個高斯模型的協方差。

4.根據權利要求1所述的一種基于概率模型和改進EM算法的圖像分割方法，其特征在于，所述的步驟4)具體包括以下步驟：

41)初始化參數Σ_k和π_k，并將粗分割后圖像的均值作為混合高斯模型的初始值μ_k；

42)根據初始化的值獲取log似然函數的初始值；

43)進行EM算法中的E步：估計隱含變量Z的后驗概率；

44)根據隱含變量Z的后驗概率進行參數估計，獲取參數μ_k、Σ_k和π_k的過程值

45)根據似然函數的對數值進行收斂判定，若不收斂則返回步驟44)，繼續進行參數估計，若收斂，則最終獲得參數μ_k、Σ_k和π_k的最終值，完成細分割。

5.根據權利要求4所述的一種基于概率模型和改進EM算法的圖像分割方法，其特征在于，所述的步驟42)中，似然函數lnp(X|π,μ,Σ)的計算式為：

$\ln p\left(X\right|\mathrm{\π},\mathrm{\μ},\mathrm{\Σ})=\underset{n=1}{\overset{N}{\Σ}}ln\left\{\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\π}}_k\mathrm{\ψ}\left(x_n\right|{\mathrm{\μ}}_k,{\mathrm{\Σ}}_k)\right\}$

其中，N為像素點的總數。