[发明专利]一种基于空间Dirichlet混合模型的彩色图像分割方法

说明书

本发明涉及一种基于空间Dirichlet混合模型的彩色图像分割方法，所提出的统计模型基于Dirichlet混合模型，Dirichlet分布是一个多元泛化的Beta分布，对比其他分布(例如：高斯分布、)它能够包含对称与非对称模态，因此可以灵活处理各种图像以及体现出较好的分割准确率。本发明在Dirichlet混合模型中融入空间邻域特征，从而体现出较好的鲁棒性。在求解Dirichlet混合模型参数过程中，本发明采用基于变分贝叶斯推断的方法，使得模型求解更加准确高效。克服了现有技术的方法采用的最大似然估计(ML)和最大后验概率估计(MAP)存在的不足：这些方法通常容易在求解模型过程中陷入局部极小值，而且会造成迭代次数过多。

技术领域

本发明涉及计算机图像分析与处理领域，更具体地说，涉及一种基于空间Dirichlet混合模型的彩色图像分割方法。

背景技术

近几年，随着信息时代特别是数字时代的来临，图像分割技术在医学、军事工程等领域中都有着广泛的应用。图像分割技术可以便于对获得的各种定量定性的图像数据进行分析,使这些数据更好的应用到工程实践中。例如在医学上，计算机断层成像(CT：ComputedTomography)，核磁共振成像(MRI：Magnetic Resonance Imaging)，超声(US：Ultrasonography)等新医学成像技术已经广泛应用在医疗诊断、术前计划、治疗、术后监测等各个环节中。

图像分割是对图像进行分析和理解的关键步骤，是数字图像处理中最重要和最基本的技术手段，是一种基本的计算机视觉技术，准确地对图像进行分割对工程实践及量化分析都有重要的价值。

图像分割方法主要包括以下四类。1)基于统计学方法：此方法利用图像的像素的统计特征和相关性准则进行分割，因此该方法需要建立合适的统计模型并进行模型的参数求解。此方法依据图像的灰度信息，利用特种提取和建立统计模型，方法灵活；2)基于边缘检测方法：此方法主要依赖于周围像素灰度有阶跃变化或“屋顶”变化的那些像素，然后利用边缘邻近一阶或二阶方向导数变化规律,用简单的边缘算子检测边缘，常见的检测算子有Robert算子、Sobel算子、Prewitt算子、Laplacian算子，该方法需要根据特定的图选定特定的算子；3)基于区域生长分割方法：此方法先对每个需要分割的区域找出一个种子象素作为生长的起点，然后将种子象素周围邻域中与种子有相同或相似性质的象素(根据事先确定的生长或相似准则来确定，如门限)合并到种子象素所在的区域中，而新的象素继续做种子向四周生长，需要选择合适的种子和门限，否则分割效果大打折扣；4)基于阈值分割方法：该方法通过设定不同的阈值，然后将像素跟阈值比较，看是否超过阈值，从而把图像像素点分成不同的类，该方法只在物体跟背景有较强对比的时候有很好的分割效果，而且阈值的合理与否关系到整个分割效果的好坏。