| 主权项 |
基于空间限制邻域混合模型的图像分割方法，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；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<img file="FDA0001155519970000011.GIF" wi="84" he="70" />按照采样权值<img file="FDA0001155519970000012.GIF" wi="72" he="71" />所指定的比例进行组合<img file="FDA0001155519970000013.GIF" wi="393" he="103" />其中Rπ为先验概率的邻域半径，<img file="FDA0001155519970000014.GIF" wi="289" he="70" />为观测到的像素值x<sub>j</sub>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<img file="FDA0001155519970000015.GIF" wi="222" he="71" />且<img file="FDA0001155519970000016.GIF" wi="243" he="71" />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<img file="FDA0001155519970000017.GIF" wi="96" he="87" />生成对应邻域内的一组像素观测值<img file="FDA0001155519970000018.GIF" wi="492" he="111" />其中R<sub>f</sub>为所述观测值的邻域半径，f<sub>k</sub>(x<sub>j</sub>|θ<sub>k</sub>)为第k个模型分量的概率密度函数，其中的θ<sub>k</sub>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：<img file="FDA0001155519970000019.GIF" wi="1350" he="287" />其中Π＝{π<sub>1</sub>,π<sub>2</sub>,…,π<sub>N</sub>}为图像像素类别的先验概率，Θ＝(θ<sub>1</sub>,θ<sub>2</sub>,…,θ<sub>K</sub>)为模型的参数向量，<img file="FDA00011555199700000110.GIF" wi="46" he="63" />代表在像素i位置处所选择的模型分量，当<img file="FDA00011555199700000111.GIF" wi="132" he="55" />表示在像素i位置处处选择了第k个模型分量，否则<img file="FDA00011555199700000112.GIF" wi="142" he="61" /> |
