[發明專利]一種基于新型粒子濾波算法的圖像分割方法

有效

• 申請號: 201710457337.9
• 申請日: 2017-06-16
• 公開（公告）號: CN107274408B
• 公開（公告）日: 2019-11-19
• 發明（設計）人: 曾念寅;張紅;邱弘
• 申請（專利權）人: 廈門大學
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 35204 廈門市首創君合專利事務所有限公司
• 代理人: 張松亭<國際申請>=<國際公布>=<進入

1.一種基于新型粒子濾波算法的圖像分割方法，其特點在于，包括：

步驟a，針對要分割的圖像特點，建立包含轉移方程和觀測方程的動態空間模型，以目標區域邊界上的序列點作為狀態量；所述轉移方程表示當前時刻與前一時刻之間狀態量的關系，所述觀測方程反映當前時刻圖像分割的效果；

步驟b，采集若干相關圖像作為訓練圖像集，并對其進行預處理，提取出包含目標區域的感興趣區域；

步驟c，以像素點作為樣本單位，根據圖像特點，分析并選取具有辨識力的網絡輸入特征，做歸一化處理組建為訓練樣本；所述網絡輸入特征包括領域內的灰度值、與中心點之間的距離和對比值；

步驟d，構建深度神經網絡模型，取深信度網絡，輸入訓練樣本進行訓練，并且根據圖像分割效果來調節深度網絡參數，確定深度網絡模型；

步驟e，將待分割圖像按照步驟c同樣的方式組建為測試樣本，輸入深度網絡模型通過一次前向傳播得到初始的分割結果；

步驟f，利用初始分割結果生成粒子群，并采用粒子群優化算法將粒子移動到高似然區域，得到的結果作為粒子濾波的建議性分布；

步驟g，根據建立的動態空間模型，采用含上述建議性分布的新型粒子濾波算法對狀態量進行估計，得到最終的圖像分割結果。

2.根據權利要求1所述的基于新型粒子濾波算法的圖像分割方法，其特征在于，所述步驟a具體包括：

步驟a1，確定狀態量，將目標分割區域邊界上的序列點作為狀態量，設序列長度為T,狀態量的維度為M，則狀態時序確定為{x_t|t∈T},x_t∈R^M；其中，R^M表示M維實數空間；

步驟a2，根據目標分割區域上下邊界上的序列點之間的關系確定狀態轉移模型，設為x_t＝f(x_t-1,w_t-1)，其中w_t-1表示過程噪聲；

步驟a3，根據圖像分割的評價指標確定觀測模型，能夠反映圖像分割效果，設為y_t＝g(x_t,v_t)，其中v_t表示觀測噪聲。

3.根據權利要求2所述的基于新型粒子濾波算法的圖像分割方法，其特征在于，所述步驟d具體包括：

步驟d1，構建基于受限玻爾茲曼機的深信度神經網絡模型；所述深信度神經網絡模型中輸入層節點數與訓練樣本的輸入特征的維數一致，輸出層節點數與像素點的分類類別數一致，隱含層層數與節點數根據圖像分割效果來確定；

步驟d2，預訓練階段，包括：訓練樣本輸入到輸入層，通過逐層訓練的方式對各層結構進行訓練，低一層隱含層輸出作為高一層的輸入；

步驟d3，微調階段，包括：采用有監督學習方式對整個網絡進行訓練，將實際輸出與預期輸出的誤差逐層向后傳播，對深度神經網絡的參數進行微調；

步驟d4，根據圖像分割效果調節和優化網絡參數，完成深度神經網絡的訓練。

4.根據權利要求3所述的基于新型粒子濾波算法的圖像分割方法，其特征在于，所述步驟f包括：

步驟f1，初始化粒子種群大小、粒子速度v_i和粒子位置x_i，并且設置粒子群優化算法中的迭代次數和最大速度參數；其中粒子的初始位置由深度學習得到的初始分割結果確定；

步驟f2，目標函數采用步驟a中的觀測方程，此時某粒子對應的目標函數值越大，說明該粒子所處的位置越接近全局最優值；

步驟f3，不斷迭代更新每個粒子的速度和位置，表達式如下：

x_ij(k+1)＝x_ij(k)+v_ij(k+1) (2)

其中，ω表示慣性權重，c₁、c₂表示加速因子，r₁、r₂表示位于區間[0,1]之間的隨機數，p_ij(k)表示第i個粒子的第j維向量的個體最優值，p_gj(k)表示第j維向量的全局最優值；

步驟f4，迭代結束，獲得所有粒子的位置，將其作為新型粒子濾波算法的建議性分布。

5.根據權利要求4所述的基于新型粒子濾波算法的圖像分割方法，其特征在于，所述包括g具體包括：

步驟g1，初始化粒子集，對于i＝1,2,...,N，由先驗生成采樣粒子其中，表示第i個粒子的初始狀態；

步驟g2，對于i＝1,2,...,N，從深度學習結合粒子群的建議性分布中采樣得到并根據方程(3)計算重要性權重：

其中，表示第i個粒子t時刻的狀態，y_1:t表示觀測量，表示觀測概率密度函數，表示轉移概率密度函數，表示重要性概率密度函數；

步驟g3，對于i＝1,2,...,N，對重要性權重進行歸一化，得到

步驟g4，重采樣；

步驟g5，根據方程(4)估計每個時刻的狀態量，獲得最終的分割結果，表達式如下：