基于空间限制邻域混合模型的图像分割方法
【专利摘要】基于空间限制邻域混合模型的图像分割方法，属于图像处理领域。为了解决目前在进行图像分割时，采用EM算法求取混合模型参数存在耦合性的问题。所述方法包括如下步骤：步骤一：根据独立混合模型建立空间限制邻域混合模型：首先，从独立混合模型的每个像素位置处，选择一个邻域，由邻域内的先验概率共同决定选择一个模型分量；然后，再由确定的模型分量生成每个像素位置对应邻域内的一组观测值；最后，根据确定的模型分量和生成的观测值，得到空间限制邻域混合模型的似然函数；步骤二：利用图像的像素的视觉观测值，求得空间限制邻域混合模型的模型参数；步骤三：利用所得的空间限制邻域混合模型的模型参数，获取分割后的图像。本发明用于图像分割。
【专利说明】基于空间限制邻域混合模型的图像分割方法
【技术领域】
[0001] 本发明属于图像处理领域。
【背景技术】
[0002] 图像分割是图像自动语义内容分析的基础，分割结果往往对后续处理中的分类与 识别具有深远影响。图像分割方法层出不穷，在众多的分割算法中，基于混合模型的聚类算 法，特别是基于高斯混合模型（Gaussianmixturemodels,GMM) -直处于一种比较活跃的 研究状态，由于模型参数能够采用期望最大化算法（Expectation-Maximization,EM)进行 有效地估计，而EM又具有实现简单、保障收敛的优点，并且作为一个生成模型，混合模型的 分割结果具有直观的概率解释，为后续图像内容的分析提供了方便。但GMM是建立在像素 独立假设基础上，在像素的聚类过程中只考虑了像素在视觉空间中的统计分布特性，而没 有考虑到图像像素的空间位置相关性，这往往会影响到图像分割区域的平滑和完整性。
【发明内容】
[0003] 本发明的目的是为了解决目前在进行图像分割时，采用EM算法求取混合模型参 数存在耦合性的问题，本发明提供一种基于空间限制邻域混合模型的图像分割方法。
[0004] 本发明的基于空间限制邻域混合模型的图像分割方法，
[0005] 所述方法包括如下步骤：
[0006] 步骤一：根据独立混合模型建立空间限制邻域混合模型：
[0007] 首先，从独立混合模型的每个像素位置处，选择一个邻域，由邻域内的先验概率共 同决定选择一个模型分量；
[0008] 然后，再由确定的模型分量生成每个像素位置对应邻域内的一组观测值；
[0009] 最后，根据确定的模型分量和生成的观测值，得到空间限制邻域混合模型的似然 函数；
[0010] 步骤二：利用图像的像素的视觉观测值，求得空间限制邻域混合模型的模型参 数；
[0011] 步骤三：利用所得的空间限制邻域混合模型的模型参数，获取分割后的图像。
[0012] 步骤一中，根据独立混合模型建立空间限制邻域混合模型：
[0013] 首先，对图像空间像素i位置处邻域内的j位置处的先验概率<，按照采样 权值<1所指定的比例进行组合
【权利要求】
1. 基于空间限制邻域混合模型的图像分割方法，其特征在于，所述方法包括如下步 骤： 步骤一：根据独立混合模型建立空间限制邻域混合模型： 首先，从独立混合模型的每个像素位置处，选择一个邻域，由邻域内的先验概率共同决 定选择一个模型分量； 然后，再由确定的模型分量生成每个像素位置对应邻域内的一组观测值； 最后，根据确定的模型分量和生成的观测值，得到空间限制邻域混合模型的似然函 数； 步骤二：利用图像的像素的视觉观测值，求得空间限制邻域混合模型的模型参数； 步骤三：利用所得的空间限制邻域混合模型的模型参数，获取分割后的图像。
2. 根据权利要求1所述的基于空间限制邻域混合模型的图像分割方法，其特征在于， 步骤一中，根据独立混合模型建立空间限制邻域混合模型： 首先，对图像空间像素 i位置处邻域内的j位置处的先验概率·<*按照采样权值</ 所指定的比例进行组合
，其中Rn为先验概率的邻域半径，Mi：Iy 为观测到的像素值Xj来源于第k个模型分量的先验概率，则对每个j = 1，2···，N和k = 1，2···，K，满足〇< < ，且Σ:< = I，N为图像像素的个数，K为模型分量个数；按照组合 后的先验概率选择相应的模型分量； 然后，由确定的模型分量按照采样权值，生成对应邻域内的一组像素观测值
其中Rf为所述观测值的邻域半径，f k(x」Θ k)为第k个模型分量的 概率密度函数，其中的Θ k为第k个模型分量的模型参数；根据选择的模型分量和生成的观 测值，得到空间限制邻域混合模型的似然函数为：
其中π = {> JI2,…，JIN}为图像像素类别的先验概率，Θ = ( θ Θ 2,…，θ κ)为 模型的参数向量，zf代表在像素 i位置处所选择的模型分量，当zf = 1，表示在像素 i位置处 处选择了第k个模型分量，否则d = O
3. 根据权利要求2所述的基于空间限制邻域混合模型的图像分割方法，其特征在于， 步骤二中，利用图像的像素的视觉观测值，求得空间限制邻域混合模型的模型参数的方法 为： 步骤二一：通过空间限制邻域混合模型的似然函数，利用期望最大化算法，求得空间限 制邻域混合模型的参数： 步骤二一 A :求空间限制邻域混合模型的似然函数的期望值：
其中，t为迭代次数，为像素 i位置处选择第k个模型分量的后验概率，由贝叶斯准 则得：
步骤二一 B :通过最大化空间限制邻域混合模型的似然函数期望值，获取模型的参数， 对于高斯混合模型
0k= (yk，Ek)，分别为高斯分布的均值向量和协方差矩阵，则：
步骤二二：以滤波方式得到骤二一中模型参数： 步骤二二A :以滤波方式求空间限制邻域混合模型的后验概率： 首先，对每个像素 i位置处的邻域内的先验概率的对数IogTfi按照<·+进行滤波，并对 滤波后的log；rf5取指数运算； 然后，对每个像素 i位置处邻域内的密度函数fk (XjI Θ k) ω中的按照MiS进行滤波； 最后，将滤波后的先验概率与滤波后的密度函数相乘并归一化，得到后验概率P广％ 步骤二二B :以滤波方式求取空间限制邻域混合模型的参数： 对每个像素 i位置处的邻域内的后验概率pf m按照进行滤波，并归一化，获取每 个像素 i位置处的第t+Ι次的先验概率;rf""; 对每个像素 i位置处邻域内的后验概率Pfli按照进行滤波，得到每个像素位置i 处的后验概率
然后，以独立混合模型的方式，获取模型分量的参数更新公式：
4.根据权利要求3所述的基于空间限制邻域混合模型的图像分割方法，其特征在于， 所述步骤三中，利用所得的空间限制邻域混合模型的模型参数，获取分割后的图像的方法 为：根据求得的每个像素 i位置处的后验概率的最大值W，对相应像素进行标识分类：
其中Li为像素 i的类别标识，从而得到分割后的图像。
【文档编号】G06T7/00GK104392458SQ201410766009
【公开日】2015年3月4日 申请日期:2014年12月12日 优先权日:2014年12月12日
【发明者】于林森, 陈德运, 孙广路, 李鹏 申请人:哈尔滨理工大学