科研成果详情

本发明涉及一种基于空间Dirichlet混合模型的彩色图像分割方法,所提出的统计模型基于Dirichlet混合模型,Dirichlet分布是一个多元泛化的Beta分布,对比其他分布(例如：高斯分布、)它能够包含对称与非对称模态,因此可以灵活处理各种图像以及体现出较好的分割准确率。本发明在Dirichlet混合模型中融入空间邻域特征,从而体现出较好的鲁棒性。在求解Dirichlet混合模型参数过程中,本发明采用基于变分贝叶斯推断的方法,使得模型求解更加准确高效。克服了现有技术的方法采用的最大似然估计(ML)和最大后验概率估计(MAP)存在的不足：这些方法通常容易在求解模型过程中陷入局部极小值,而且会造成迭代次数过多。

主权项：1.一种基于空间Dirichlet混合模型的彩色图像分割方法,其特征在于,步骤如下：1)建立有限Dirichlet混合模型,对输入的彩色图像进行数据预处理,得到符合有限Dirichlet混合模型求解的图像数据；步骤1)中,对输入的原彩色图像进行预处理操作,得到N*M*3的数据矩阵,然后将相同像素点的3个维度数据转换成概率分布数据,得到3行N*M列的矩阵,作为有限Dirichlet混合模型的输入向量；2)利用有限Dirichlet混合模型对图像数据进行建模；步骤2)中,利用融合了空间邻域关系的Dirichlet混合模型对向量数据进行建模,并设置空间邻域参数q、u、v、a、b；融合了空间邻域关系的Dirichlet混合模型如下：  其中,ξ_ij表示第i个像素属于第j类的概率； 为对应的参数,其定义如下：  其中,为输入向量；0≤X_il≤1,X_il为原始像素点经归一化之后的值；采用Dirichlet分布作为混合系数的先验概率,对于每一个向量都有一个隐藏变量Z_ij∈{0,1}；当属于第j个分布时候,Z_ij＝1,否则Z_ij＝0,其基于ξ_i的后验分布定义为：  ξ_i服从Dirichlet的先验分布,定义如下：  其中,定义如下：  空间关系模型定义如下：  其中,Ω_i表示第i个像素的邻域,如下：  Z_ij、联合概率分布如下：  3)利用变分贝叶斯推断方法求解模型参数,并得到新的标签向量；4)将标签向量作为输出向量,并转换成灰度矩阵进行图像分割。