基于平稳方向波域概率图模型的图像分割方法

摘要

本发明公开了一种基于平稳方向波域概率图模型的图像分割方法，克服了现有技术中不能充分挖掘待分割图像中的方向性信息、无法提取包含更多图像信息的训练图像块的问题。本发明的实现步骤为：(1)输入图像；(2)计算特征向量；(3)提取训练图像块；(4)求解先验概率；(5)构建隐马尔科夫链模型参数集；(6)更新隐马尔科夫链模型参数集；(7)求解最大似然值；(8)得到最终的分割图像；(9)输出分割图像。本发明具有边缘准确性高和区域一致性的优点，可应用于在目标识别中对感兴趣区域的获取。

主权项

1.一种基于平稳方向波域概率图模型的图像分割方法，包括如下步骤：(1)输入任选的一幅待分割图像；(2)计算特征向量：(2a)对待分割图像进行多尺度的平稳方向波变换，得到不同尺度的低频子带系数和高频子带系数；(2b)按照下式，计算待分割图像中像素的特征向量：$T=\frac{1}{256}\mathrm{\Sigma \Sigma }{\left|d\right|}^2$其中，T表示待分割图像中像素的特征向量，d表示待分割图像中16×16大小的窗口内像素的平稳方向波子带系数，|·|表示取绝对值操作，∑表示求和操作；(3)提取训练图像块：(3a)采用标记分水岭方法，对待分割图像进行分割，得到一副划分为若干图像小块的粗分割图像；(3b)将待分割图像中像素的特征向量作为粗分割图像中相同位置像素的特征向量，对粗分割图像中图像小块内所有像素的特征向量求和，得到粗分割图像中图像小块的特征向量；(3c)采用模糊C均值聚类方法，对粗分割图像中图像小块的特征向量进行聚类，分别得到粗分割图像中图像小块的隶属度和类别；(3d)从粗分割图像中类别相同的图像小块中选取隶属度大于0.8的图像小块，作为待分割图像的训练图像块；(4)求解先验概率：(4a)将粗分割图像中每个图像小块的类别值，作为该图像小块内所有像素的灰度值，得到初始分割图像；(4b)按照下式，求解初始分割图像中像素的先验概率：P(φ)＝exp(-U(φ))其中，P(φ)表示初始分割图像中像素的先验概率，φ表示初始分割图像中像素的类别，exp(·)表示指数操作，U(φ)表示初始分割图像中3×3大小的邻域窗口内像素点之间的能量函数；(5)构建隐马尔科夫链模型参数集：(5a)对待分割图像的高频子带系数，建立隐马尔科夫链模型；(5b)构建隐马尔科夫链模型参数集；(6)更新隐马尔科夫链模型参数集：采用最大期望方法，更新隐马尔科夫链参数集中的期望、方差、概率分布函数和状态转移概率四个参数；(7)采用最大似然方法，求解待分割图像中像素的最大似然值；(8)利用最大后验估计公式，得到最终的分割图像；(9)输出最终的分割图像。