[发明专利]基于变分模型的多类彩色纹理图像多层图割优化分割方法

权利要求书

1.一种基于变分模型的多类彩色纹理图像多层图割优化分割方法，其特征在于，具体按照以下步骤实施：

步骤1、建立多类连续变分活动轮廓模型，得到多类变分活动轮廓模型能量函数；

步骤2、利用Cauchy-Crofton理论对步骤1中得到的多类变分活动轮廓模型能量函数进行离散表达，得到离散化表达的类变分活动轮廓模型能量函数；

步骤3、建立多层图割模型，对步骤2中的离散化表达的多类变分活动轮廓模型能量函数进行求解，得到近似全局最优解；

步骤4、采用迭代的方式对多类离散的变分活动轮廓能量进行多层图最小割优化，实现稳定的分割。

2.根据权利要求1所述的基于变分模型的多类彩色纹理图像多层图割优化分割方法，其特征在于，所述建立多类连续变分活动轮廓模型具体按照以下步骤实施：

步骤1.1、对于一幅彩色纹理图像，记为u₀，它对应的图像域记为：Ω：R²→R，Ω对应的分割区域边界子集为C，它将彩色纹理图像u₀分割为若干个不相连通的子区域Ω_j且满足：并且其中N(Ω)表示所有不连通的分割区域数，j表示分割区域的下标，即区域Ω_j的内部用常数c_j描述；

步骤1.2、采用多变量高斯分布对各个Ω_j区域进行刻画，建立初始多类连续的活动轮廓模型能量函数：

其中，K_phose是总类别区域数；

是边缘项；

第k个区域，用高斯分布Θ_k＝{α_k，u_k，∑_k}描述，其中u_k是第k个区域Ω_k的均值向量，∑_k是对应的协方差矩阵，是第k类区域的权重；D代表特征的维度；

对于有效的区域数K_phose以及相关的统计参数Θ_k＝{α_k，u_k，∑_k}的初始化，利用GMM对图像进行概率密度分布建模；

步骤1.3、将测地线活动轮廓扩展到多类连续变分活动轮廓模型的边缘项约束中，得到多类变分活动轮廓模型；

具体为：将测地线活动轮廓模型扩展到公式(1)中的边缘项得到多类变分活动轮廓模型能量函数：

其中，对于第k个区域Ω_k，用高斯分布Θ_k＝{α_k，u_k，∑_k}进行概率密度描述，其中u_k是第k个区域Ω_k的均值向量，∑_k是对应的协方差矩阵，是第k类区域的权重。