[发明专利]基于像素概率密度分类的彩色图像分割方法

摘要

本发明公开了一种基于像素概率密度分类的彩色图像分割方法，首先用熵率超像素生成方法分割原始彩色图像，得到超像素图像；其次，计算出基于像素概率密度梯度的超像素能量特征和熵值特征；然后，用二维熵对生成的超像素图像进行初分割；最后，用分类器进行图像分割。实验结果表明，本发明的方法由于引入了超像素，计算超像素的特征时考虑了颜色分量间相关性并利用高性能的分类器进行分割，使得图像分割的精度与速度均得到大幅度提高。

主权项

一种基于像素概率密度分类的彩色图像分割方法，其特征在于按照以下步骤进行：约定：指原始彩色图像；指超像素图像；指中的超像素总个数；指的概率密度梯度；指熵率超像素生成方法；指基于的中的能量；指基于的中的熵值；指的灰度值；指的平均灰度值；指图像分类器；a. 初始设置获取原始彩色图像并初始化设置；b. 原彩色图像超像素分割用方法对原彩色图像分割，生成超像素图像；c. 超像素特征计算c.1 根据下式计算出中的，特征域与空域空间中的像素点为，其中颜色取：其中，，，，指单位化常量，指图像空域与特征域空间中的带宽，和分别为图像平面带宽、亮度带宽和色彩带宽；c.2 将原始彩色图像的概率密度梯度赋值给已经生成的超像素图像，计算出超像素的能量特征以及熵值特征；d. 超像素图像二维熵初分割d.1 根据下式计算出中的平均灰度级：；其中，表示第个超像素区域中的灰度值；表示第个超像素区域内第个超像素点的横坐标；表示第个超像素区域内第个超像素点的纵坐标；d.2 设与构成的灰度级对为，记出现的数目为，则的二维联合概率密度为：；d.3 根据下式，分别计算二维熵的目标和背景：其中，为超像素图像的灰度级；为不为1的正数；为阈值向量；为目标概率；为背景概率；d.4 定义判别函数如下：当取最大值时，即可得到最优阈值：d.5 利用最优阈值得到初分割结果，选取个目标像素和个背景像素作为训练样本，所有训练样本形成完整训练集，剩余图像像素形成测试集；e.模型训练利用选取的训练数据训练模型；f.模型分类预测测试集的类标签，利用二维熵阈值获得训练集的类标签，合并测试集和训练集的类标签形成类标签向量，作为图像的分割结果。