[发明专利]一种基于模态MRF随机场的水下前视声纳图像分割方法

权利要求书

1.一种基于模态MRF随机场的水下前视声纳图像分割方法，其特征在于包括以下步骤：

1)采用模糊C均值聚类算法对声纳图像进行聚类得到隶属度矩阵，并用隶属度矩阵初始化当前图像每个Potts单元的激活向量Q为Potts单元的状态数即类的个数，i为像素序号；

2)设置交互参数的当前学习速率η₀为设定的初始学习速率，t为当前迭代次数；

3)采用期望最大算法估计条件参数Θ_k～(π_k；μ_k,∑_k)；

4)根据热浴动力更新Potts单元；

5)根据热平衡原理更新交互参数；返回步骤3)，直到交互参数的变化量Δβ≤ε且Δλ≤ε为止，ε为常数，此时得到的图像为分割后的图像；

所述根据热平衡原理更新交互参数包括以下步骤：

分别求取Potts单元之间的交互权重β和Potts单元的外场的权重λ的变化量：

将两个变化量分别与上次的β、λ相加得到当前的交互参数。

2.根据权利要求1所述的一种基于模态MRF随机场的水下前视声纳图像分割方法，其特征在于所述采用期望最大算法估计条件参数Θ_k～(π_k；μ_k,∑_k)包括以下步骤：

(1)计算每个像素x_{i＝1,...,H×W}属于每个类k＝1,...,Q的概率：

其中，π_k为先验概率，μ_k为均值，∑_k为方差；f(x_i|Θ_k)是第i个Potts单元属于第k个类的概率，服从高斯分布；H和W分别为图像的高度和宽度；

(2)根据似然概率最大求取条件参数：

像素的个数N＝HW。

3.根据权利要求1所述的一种基于模态MRF随机场的水下前视声纳图像分割方法，其特征在于所述根据热浴动力更新Potts单元通过下式得到：

其中，局部场包括内场和外场

内场和外场分别为

其中，λ是Potts单元的外场的权重，β是Potts单元之间的交互权重；表示第i个Potts单元位于状态k时的概率，表示第j个Potts单元位于状态l时的概率；c_i表示第i个Potts单元的邻域，j∈c_i表示第i个Potts单元的邻域中的第j个Potts单元；f(x_i|Θ_k)是第i个Potts单元属于第k个类的概率，δ_kl是Kronecker函数，且