[发明专利]一种基于高斯云变换的图像处理方法及装置

说明书

技术领域

本发明涉及图像处理领域，特别涉及一种利用高斯云变换进行图像处理的方法及其相关装置。

背景技术

粒计算是研究和模拟人类从不同粒度、不同层次对事物进行表示、分析和推理的方法，是人工智能中智能信息处理技术研究的一个重要方向。人类认知中多粒度概念的表示、生成、以及合适粒度的选择一直是粒计算面临的一个难题。

云模型是一个以概率理论为基础研究定性定量转换的认知模型。云模型用三个数字特征期望、熵和超熵来表征一个定性概念的内涵，期望是最能代表概念的数据样本，熵是概念粒度的度量，反映概念所涵盖的数据范围，超熵是概念粒度的不确定性度量，反映数据范围边界的不确定性。

高斯分布是概率论中最重要的分布，依靠数据统计而抽象出的概念常常具有“中间大、两头小”的特点，高斯分布中的标准差可以用来表征概念的粒度，云模型引入超熵来衡量概念了粒度的不确定性，即标准差的不确定性，因此高斯云模型是最常用的一种云模型。

云模型通过正向云算法和逆向云算法实现一个概念内涵和外延之间的转换。逆向云算法可以将一组数据样本转换为一个基本概念的三个数字特征，但是该算法默认的前提是，给定的所有数据样本对应于同一个概念在同一个粒度上的外延表征，而不能在整个问题域中解决多粒度、多概念的生成问题。

在图像分割中，图像可以根据像素点的灰度值划分为几个目标区域，如背景区域和前景区域。目前，由于高斯变换是根据图像中每个像素点对应在每个高斯分布上的概率值大小，决定像素点属于哪个目标区域，因而在图像分割时，在两个区域的交界处常常会出现不自然的锯齿，不能体现目标区域之间的不确定性区域；而且高斯变换需要预先给定目标区域的个数，无法根据像素点灰度值的统计特性自适应地获得图像目标数量。

发明内容

为解决上述问题，本发明的目的在于提供一种基于高斯云变换的图像处理方法及装置。

根据本发明的一个方面，提供了一种基于高斯云变换的图像处理方法，其特征在于，包括：

A)通过提取图像每个像素的灰度值，形成所述图像的灰度值数据样本集；

B)通过统计所述灰度值数据样本集频率分布的波峰数量，得到用于形成初始高斯云的数量m；

C)按照所述数量m,将所述灰度值数据样本集合成m个高斯云；

D)依次将m个高斯云的含混度与含混度阈值进行比较，以确定是否存在其含混度大于含混度阈值的高斯云；

E)若存在其含混度大于含混度阈值的高斯云，则按照将所述数量m逐次减一的方式，重复灰度值数据样本集合成高斯云的处理及高斯云含混度与含混度阈值比较的处理，直至所有高斯云的含混度均小于等于所述含混度阈值；

F）输出其含混度均小于等于所述含混度阈值的所有的高斯云。

优选地，所述步骤C)包括：

C1)按照所述数量m，将所述灰度值数据样本集合成m个高斯分布；

C2)利用所述m个高斯分布，计算每个高斯分布对应的高斯云参数，得到m个高斯云。

优选地，所述步骤C1)包括：

C11)统计所述灰度值数据样本集频率分布；

C12)按照所述数量m，分别设定m个包括初始期望、初始标准差、初始权值的初始参数；

C13)设置目标函数，并利用所述灰度值数据样本集频率分布和所述m个初始参数，分别计算m个目标函数的初始函数值；

C14)利用极大似然估计和所述初始参数，计算m个包括估计期望、估计标准差、估计权值的估计参数；

C15)利用所述灰度值数据样本集频率分布和所述m个估计参数，分别计算m个目标函数的估计函数值；

C16)计算所述估计函数值与所述初始函数值之间的差值，若所述差值大于等于预定误差阈值，则使用所述估计参数替换所述初始参数，并重复步骤C13)至步骤C15)，直至所述差值小于预定误差阈值；

C17)输出所述差值小于预定误差阈值的m个估计参数，并将所述m个估计参数其每个的估计期望、估计标准差、估计幅值分别作为m个高斯分布其每个分布参数的分布期望、标准值、分布权值。

优选地，所述步骤C2)包括：

C21)分别计算m个高斯分布的m个标准差的缩放比α_k，k=1,2,…,m；

C22)利用所述m个标准差的缩放比α_k和所述m个分布参数，分别计算m个包含云期望Ex_k、熵En_k、超熵He_k、含混度CD_k的高斯云参数，得到m个高斯云。