基于第二代Bandelet域隐马尔科夫树模型的图像分割方法

摘要

本发明公开了一种基于第二代Bandelet域隐马尔科夫树模型的图像分割方法，主要解决图像分割质量差的问题。其实现过程为：输入待分割图像并提取训练图像块；对输入图像和训练图像进行第二代Bandelet变换；采用期望最大化EM算法对训练图像进行Bandelet域隐马尔科夫树模型训练，得到模型参数；利用模型参数计算输入图像的多尺度似然值；利用高斯混合模型计算输入图像的像素级似然值；利用最大似然准则估计得到图像的初始分割结果；采用两种上下文模型对初始分割结果进行多尺度融合，得到后发分割结果；选择后分割结果中的像素级分割结果作为图像最终分割结果输出。本发明具有分割图像边缘清晰和区域一致性好的优点，可用于合成纹理图像、SAR图像和航拍图像的分割。

主权项

1、一种基于第二代Bandelet域隐马尔科夫树模型的图像分割方法，包括如下过程：(1)输入待分割图像，并截取具有相同纹理区域的子块作为训练图像；(2)采用第二代Bandelet变换对输入图像及训练图像进行变换，得到Bandelet系数；(3)采用期望最大化EM算法对训练图像进行Bandelet域隐马尔科夫树模型训练，得到模型参数；(4)利用模型参数采用隐马尔科夫树模型的似然算法，计算在不同尺度下输入图像的每个子块的似然函数值；(5)采用高斯混合模型计算输入图像的像素级似然值；(6)对输入图像每个子块的似然值和像素级似然值应用最大似然准则，得到输入图像的初始分割结果；(7)对输入图像的初始分割结果先进行第一次多尺度融合，得到输入图像的第一次分割结果；再对输入图像的第一次分割结果进行第二次多尺度融合，得到输入图像各尺度的后分割结果，并将该分割结果中的像素级分割结果作为输入图像最终输出的分割结果。