[发明专利]结合MRF和神经网络的多尺度彩色纹理图像分割方法

权利要求书

1.一种结合MRF和神经网络的多尺度彩色纹理图像分割方法，主要包括如下过程：

(1)输入待分割图像，在给定尺度s下，提取每一像素的R，G，B值和该像素大小为w_s×w_s的邻域内R，G，B三波段的光谱均值和标准差构成特征向量；

(2)从图像中截取class_num类纹理区域的训练图像块，在每一尺度s上，将图像块对应特征向量作为class_num个BP神经网络的输入，进行网络训练，其中class_num是图像分类数；

(3)在所有尺度上，将整个图像的特征向量分别作为该尺度class_num个神经网络的输入，根据多个网络的输出估计特征场分布特性；

(4)使用极大似然准则获取每个尺度上的初始分割结果；

(5)使用迭代条件模式ICM，并依据极大后验概率MAP准则获取最大尺度s＝J上的分割结果；

(6)多尺度标记场建模，在经典MLL模型的基础上，利用尺度间交互参数α(t)调整尺度间计算标记场局部概率时的相互作用，并使用ICM，依据MAP准则获取尺度s上的分割结果x^s；

(7)在新的尺度s＝s-1上，重复(5)～(6)步骤，经过自顶向下的过程，逐步将较低分辨率尺度的分割结果作用于下一尺度，最终实现多尺度图像分割。

2.根据权利要求1所述的图像分割方法，其中步骤(1)按如下过程执行：

(1a)根据给定尺度s，确定邻域大小为w_s×w_s；

(1b)对待分割图像逐像素在邻域内求取R、G、B三个波段上的光谱均值和标准差，均值为：

标准差为：

其中，v∈{r，g，b}表示纹理图像的一个波段，ij表示当前像素位置，w为邻域窗口直径；

(1c)为图像的每个像素位置(i，j)，提取三个波段的光谱值r_ij、g_ij和b_ij，与(1b)中的光谱均值和标准差构成的向量y_ij＝[r_ij，g_ij，b_ij，u_r，ij，u_g，ij，u_b，ij，σ_r，ij，σ_g，ij，σ_b，ij]^T作为该位置的特征，从而形成尺度s上的特征图像；

(1d)在新的尺度s＝s-1上重复步骤(1a)～(1c)，最终得到所有尺度上的特征图像。