基於高斯混合模型與支持向量機的彩色圖像分割方法

2023-06-06 08:28:41 1

專利名稱：基於高斯混合模型與支持向量機的彩色圖像分割方法
技術領域：
本發明屬於多媒體信息處理的圖像分割技術領域，具體涉及一種結合高斯混合模型與支持向量機的彩色圖像分割方法。
背景技術：
目前圖像分割的方法有很多，早期的圖像研究主要將分割方法分為兩大類，一種是基於邊界的分割方法，另一種是基於區域的分割方法。基於區域的分割方法依賴於圖像的空間局部特徵，如灰度、紋理及其他像素統計特性的均勻性等。典型的基於區域分割方法有區域生長、區域分裂及區域生長和分裂相結合的方法等。由於這些方法依賴於圖像的灰度值，因此它們的主要優點是對噪聲不敏感，但是這些方法常常造成圖像的過分割問題，而且，分割結果很大程度依賴於種子點的選擇，分割所得區域的形狀也依賴於所選擇的分割算法。基於邊界的分割方法主要是利用梯度信息確定目標的邊界，包括局部微分算子，如Roberts算子、Sobel算子、Prewitt梯度算子和Laplacian 二階差分算子等。這些方法不依賴於已處理像素的結果，適於並行化，但缺點是對噪聲敏感，而且當邊緣像素值變化不明顯時，容易產生假(false)邊界或不連續的邊界。當前的圖像分割研究已經進入了一個新的階段，主要表現在統計工具的廣泛使用。基於統計模型的圖像分割方法包括基於多尺度變換域統計模型的圖像分割方法和基於空域統計模型的圖像分割方法，前者是在原始圖像經過某一變換後，根據變換域信息進行建模，常見的有基於Wavelet、Contourlet等隱馬爾可夫樹模型(HMT)的分割方法；後者則是直接在原始圖像基礎上對感興趣的特徵進行建模，常見的有基於高斯混合模型(GMM)、基於空域馬爾可夫隨機場(MRF)模型的圖像分割方法。這類分割方法藉助統計模型捕獲了圖像的特徵，相比於傳統的分割方法，得到了更加準確的分割結果。

發明內容
本發明針對以上問題的提出，而研製的一種基於高斯混合模型與支持向量機的彩色圖像分割方法，具有如下步驟SI.提取圖像的顏色和紋理特徵；S2.利用提取的顏色和紋理特徵，構建高斯混合模型，利用高斯模型對圖像進行初始分割;S3.利用支持向量機，將S2中初始分割後的圖像，再進行分割，完成對圖像的分割;所述步驟SI提取圖像的顏色和紋理特徵具有如下步驟S101.顏色特徵的提取；S102.紋理特徵的提取利用Sobel算子表示梯度特徵、對比度特徵的提取和方向性的提取；高斯模型的建立具有如下步驟
S201.建立高斯混合模型設X = (Xi |i = 1,2, , N} (N是像素個數)是d維隨機變量，此處d = 4，即
權利要求
1.ー種基於高斯混合模型與支持向量機的彩色圖像分割方法，其特徵在於具有如下步驟·51.提取圖像的顔色和紋理特徵；·52.利用提取的顔色和紋理特徵，構建高斯混合模型，利用高斯模型對圖像進行初始分割;·53.利用支持向量機，將S2中初始分割後的圖像，再進行分割，完成對圖像的分割；所述步驟SI提取圖像的顔色和紋理特徵具有如下步驟·5101.顏色特徵的提取；·5102.紋理特徵的提取利用Sobel算子表示梯度特徵、對比度特徵的提取和方向性的 提取。
2.根據權利要求I所述的基於高斯混合模型與支持向量機的彩色圖像分割方法，其特 徵還在於所述所述高斯模型的建立具有如下步驟s201.利用非參數的混合模型初始化參數
全文摘要
本發明公開了一種結合高斯混合模型(Gaussian Mixture Model，GMM)和支持向量機(Support Vector Machine，SVM)進行彩色圖像分割的方法。主要包括圖像特徵的提取、高斯混合模型的建立以及利用支持向量機進行分類。具體流程包括首先對圖像進行顏色特徵和紋理特徵的提取；然後建立高斯混合模型，將提取的原始特徵利用高斯混合模型得到新特徵；其次由新特徵得到初分割結果；最後根據初分割結果選取訓練樣本，利用支持向量機進行分類得到最終的分割結果。在進行特徵描述時，不再以原始特徵為基礎，而是根據經過高斯混合模型(GMM)得到的新特徵來進行初始分割，進而利用支持向量機(SVM)得到最終分割結果。本發明充分利用了圖像的時空域信息，彌補了高斯混合模型(GMM)僅採用時域信息對複雜背景建模的不足，有效的提高了分割的準確性。
文檔編號G06T7/00GK102637298SQ20111045921
公開日2012年8月15日 申請日期2011年12月31日 優先權日2011年12月31日
發明者王向陽, 王欽琰 申請人:遼寧師範大學