基于独立高斯混合模型的纹理图像分割方法

摘要

本发明公开了一种基于独立高斯混合模型的纹理图像分割方法。分割过程为：对训练纹理图像同时进行3层小波变换，双树复小波变换和Contourlet变换，并提取相应的训练纹理图像特征；在每一层上采用免疫克隆算法选择特征；对每一训练图像的每一层进行高混合模型的无监督学，自适应地得到与其对应的组件数，并由此得出高斯混合模型的参数；对测试纹理图像同时进行小波变换、双树复小波变换和Contourlet变换；并根据变换系数和所述的组件数，计算各层对应的最终似然值；通过比较各种纹理对应的似然值，得出初始分割结果；将初始分割结果经过多尺度融合得到最终分割结果。本发明具有分割结果区域一致性好，信息保留完整，对边缘定位准确的特点，可用于图像纹理识别。

主权项

1.一种基于独立高斯混合模型的纹理图像分割方法，包括如下步骤：(1)对训练纹理图像同时进行小波变换，双树复小波变换以及Contourlet变换，并在每一层上提取相应的训练纹理图像特征；(2)在每一层上采用免疫克隆算法对所提取的特征进行选择；(3)对每一训练纹理图像的在每一层进行有限高斯混合模型的无监督学习，自适应地得到与其对应的组件数k，1≤k≤10，并由此得出高斯混合模型的参数；(4)对测试纹理图像进行小波变换、双树复小波变换和Contourlet变换；并根据变换系数和所述的组件数k，计算各层对应的最终似然值；(5)由最大后验概率准则，通过比较各种纹理对应的似然值，得出初始分割结果；(6)依据贝叶斯准则，将初始分割结果经过多尺度融合得到最终分割结果。