[发明专利]基于小波域多尺度Markov网模型的图像分割方法

摘要

本发明涉及图像处理技术领域，具体涉及一种基于小波域多尺度Markov网模型的图像分割方法，包括从待分割图像中截取N_c类具有均一区域的训练图像块；对每类训练图像块进行训练，按照同尺度频带间小波系数的位置对应关系构造该尺度每一位置的特征向量，使用最小二乘法估计对应尺度上的高斯马尔科夫模型参数；对待分割图像，进行J层小波变换；根据给定多尺度特征网模型初始的尺度间参数α，自底向上计算每一尺度上的特征向量对于每一类型纹理的多尺度似然值自顶向下估计尺度间交互参数α，建立多尺度标记场网络模型，并进行图像分割。本发明能获取更精确的分割结果，可用于纹理影像和航拍图像的分割。

主权项

1.一种基于小波域多尺度Markov网模型的图像分割方法，其特征在于：包括如下步骤：步骤1，从待分割图像中截取N_c类具有均一区域的训练图像块；步骤2，对每类训练图像块进行训练，按照同尺度频带间小波系数的位置对应关系构造该尺度每一位置的特征向量，使用最小二乘法估计对应尺度上的高斯马尔科夫模型参数，记为Θ_c＝{Θ_0，c，Θ_1，c，…，Θ_J，c}，其中J为给定小波变换的尺度数，c∈{1，2，…，N_c}；步骤3，对待分割图像，进行J层小波变换，计算待分割图像与训练块间的相似程度，根据Θ_c计算每一尺度每一位置的特征向量的似然值来表征，其中j＝0，1，…，J；步骤4，给定多尺度特征网模型初始的尺度间参数α_j；步骤5，根据α_j按照自底向上的过程，即j＝0→J，计算每一尺度上的特征向量对于每一类型纹理的多尺度似然值步骤6，按照自顶向下的过程，即j＝J→0，估计尺度间交互参数α，并建立多尺度标记场网络模型，并进行图像分割。