[发明专利]基于高斯混合模型区域图像彩色化处理的方法

权利要求书

1.一种基于高斯混合模型区域图像彩色化处理的方法，其特征在于首先用贝叶斯阴阳机BYY理论方法构造高斯混合模型，分别计算源彩色图像和目标灰度图像高斯混合模型参数，然后根据所建高斯混合模型对区域图像进行聚类分割形成区域图像块，将分割后的源图像区域图像块与目标图像区域图像块自动实现匹配，用颜色转移算法实现匹配后的区域图像块颜色转移，最后完成区域图像的彩色化，其具体步骤如下：

A、构造高斯混合模型，计算高斯混合模型参数；

B、根据高斯混合模型分别对源图像和目标图像聚类分割；

C、完成区域图像的彩色化。

2.根据权利要求1所述的基于高斯混合模型区域图像彩色化处理的方法，其特征在于，上述步骤A中所述的构造高斯混合模型，计算高斯混合模型参数，其具体步骤如下：

A1、构造高斯混合模型及计算参数

设图像像素集合为将x_i作为高斯混合模型的数据，高斯混合模型公式为：

P(xi,Θ)=Σy=1kwyG(xi,my,Vy)---(1)]]>

其中，G(x_i，m_y，V_y)为多元高斯密度函数，m_y与V_y为该密度函数的均值和协方差；k为高斯混合模型个数；w_y为高斯混合模型的权重，

计算高斯混合模型中参数k、w_y、m_y、V_y四个参数如下：

计算聚类数k

给定N个像素集合的图像，将X分为k类，对应每类的均值向量为m_y，协方差矩阵为V_y，则选择聚类数k的评价函数可定义为：

J(k,Θ)=12Σy=1kwylog|Vy|-Σy=1kwylogwy---(2)]]>

其中，1≤k≤M，M为设定的最大聚类数，求得在此k的条件下函数J(k，Θ)关于自变量Θ的最小值，即J(k)＝min_Θ(J(k，Θ))，依次固定k值可得到该条件下的J(k)曲线，则J(k)最小值时的k₀值就是像素集X的最佳聚类数，即k₀＝min_k(J(k))，

计算参数Θ

用期望最大化(Expectation Maximization，EM)算法代替最大似然估计求解Θ参数，EM算法的公式分别为

E步骤：

p(y|xi)=wyoldG(xi|y,myold,Vyold)Σy=1kwyoldG(xi|y,myold,Vyold)---(3)]]>

M步骤：

wynew=Σi=1Np(y|xi)N,]]>

mynew=Σi=1Np(y|xi)xiΣi=1Np(y|xi),]]>

Vynew=Σi=1Np(y|xi)(xi-mynew-)(xi-mynew)TΣi=1Np(y|xi)---(4)]]>

A2、计算源图像的高斯混合模型参数，计算步骤如下：

A21、将图像从RGB颜色空间转换到1αβ颜色空间，得到N个像素集为三维向量；

A22、将像素集X^s作为高斯混合模型聚类对象，用公式(2)计算高斯混合模型的聚类数k，用公式(3)(4)EM迭代算法计算Θ值，设定图像最大聚类数M＝6，其具体步骤如下：

A221、初始化最小聚类数k＝1；

A222、计算Θ值，用公式(3)(4)的迭代算法计算J(k，Θ)式中Θ值，函数J(k，Θ)到达最小，记录Θ值；

A223、计算J(k)值，将参数k＝1、w₁、V₁代入公式(2)，计算J(k)值，记录J(k)值；

A224、递增聚类数k，判断k是否大于最大聚类数M，如果k大于M，结束源图像的高斯混合模型参数计算，输出最佳的聚类数k₀^s及该聚类数下的Θ值；否则重复步骤A222、A223，直到得到源图像的高斯混合模型参数：

A3、计算目标图像的高斯混合模型参数

该图像的高斯混合模型聚类对象的像素集为为一维向量，借助于计算源图像的高斯混合模型参数步骤A21、A22得到目标图像的高斯混合模型参数，得到目标图像的高斯混合模型参数：