[发明专利]基于非高斯HMT模型的图像分割方法

权利要求书

1.一种基于非高斯HMT模型的图像分割方法，其特征在于包括以下步骤：

约定：I代表待分割图像；UDTCWT指非下采样双树复小波变换；LL指通过UDTCWT滤波器得到的低频子带、HH代表高频子带、J代表UDTCWT分解级数；y(j,k)表示复子带系数；a为y(j,k)的实部子带、b为虚部子带；i为虚数单位；∏为用EM进行估计的UDTCWT-HMT模型的参数；p(S_i＝m,∏)是由∏得到的状态的联合概率；θ为相对相位；S_i为UDTCWT相对相位的联合概率的隐状态；为概率质量函数；μ和λ为Vonn分布概率密度函数的位置参数和尺度参数；为状态转移概率；为初始状态概率；P指概率密度函数；T_i代表相对相位父节点的子带；M代表完整的HMT模型；Θ指模型参数向量；d_i指二值图像块，c_i为初分割类别；

a.UDTCWT高频子带获取

对图像I进行UDTCWT变换，得到1个LL和若干个HH，设置分解级数为2，即HH分解为两个尺度J＝2，每个尺度包括实部和虚部子带，用y(j,k)＝a+bi表示，实部和虚部分别为3个方向，每幅图像共得到12个HH；

b.系数相对相位Vonn建模

b.1根据下式对每个HH的a和b进行θ计算，得到12个相对相位子带系数：

θ(j,k)＝∠y(j,k)-∠y(j,k+1)；

b.2利用两状态的Vonn混合模型逼近UDTCWT的相对相位概率分布

b.3使用EM算法进行估计UDTCWT-HMT模型参数，所需参数如下：

c.用最大似然进行初分割

c.1计算UDTCWT相对相位父节点的子带T_i条件似然函数β_i(m)＝f(T_i|S_i＝m,∏)，T_i的似然函数为：设f(d_i|M)各系数独立，其相似度为：f(d_i|M)＝f(T_i¹|Θ¹)f(T_i²|Θ²)...f(T_i^j|Θ^j)；

c.2根据最大似然规则获得图像的不同初分割种类：

d.利用基于Cauchy空域建模方法获得像素级分割结果

e.使用基于上下文的融合方法从最粗尺度进行融合直到像素级分割从而得到最终的图像分割结果。