[发明专利]基于区域可信融合的多类无监督彩色纹理图像分割方法

权利要求书

1.一种基于区域可信融合的多类无监督彩色纹理图像分割方法，其特征在于，具体按照以下步骤实施：

步骤1、利用压缩的多尺度结构张量纹理信息、尺度倒数信息、以及颜色信息构建彩色纹理特征描述子；

步骤2、采用智能最大期望多变量混合学生t算法，对步骤1得到的彩色纹理特征描述子进行概率密度分布描述与自适应类别数计算，得到多类彩色纹理图像能量函数；

步骤3、对构建的多类彩色纹理图像能量函数进行多层图割模型优化，得到多类标签图；

步骤4、对于步骤3分割后得到的多类标签图，计算多类标签区域的任意两个区域之间的可信融合度，并将可信度较小的区域进行融合。

2.根据权利要求1所述的基于区域可信融合的多类无监督彩色纹理图像分割方法，其特征在于，所述构建彩色纹理特征描述子具体按照以下步骤实施：

步骤1.1、利用多尺度张量理论与主成分分析，提取压缩的多尺度结构张量纹理信息；

步骤1.2、利用全变分流提取局部尺度倒数纹理信息；

步骤1.3、提取彩色纹理图像的颜色信息，并将步骤1.1和步骤1.2中提取的压缩多尺度纹理信息与尺度倒数纹理信息，以及颜色信息构建彩色纹理描述子。

3.根据权利要求2所述的基于区域可信融合的多类无监督彩色纹理图像分割方法，其特征在于，所述利用多尺度张量理论与主成分分析，提取压缩的多尺度结构张量纹理信息具体按照以下步骤实施：

步骤1.1.1、对于给定的多通道图像I，在多通道图像I中位于(x，y)位置，尺度为s时的结构张量为T_s，则根据MSST描述方式，T_s利用s尺度时的梯度信息来计算得到：

Ts=Σn=1N(▿(I*θs)n▿(I*θs)nT)=σ-2sΣn=1NDn,sx2Σn=1NDn,sxDn,syΣn=1NDn,syDn,sxΣn=1NDn,sy2]]>

s＝0，1，…，S-1     (1)

其中，σ是冗余二进小波的基底，设σ＝2，T_s为尺度s时的对称半正定矩阵；S表示多尺度分解的尺度总数，N表示图像I的通道总数，n表示的是在图像I的第n个通道计算梯度；用Γ＝{T₀，T₁，…，T_S-1}表示一个像素位置对应的S个尺度的纹理特征信息，Γ是个矩阵集合；

步骤1.1.2、对构建的多尺度结构张量Γ＝{T₀，T₁，…，T_S-1}，在各个尺度下分别进行SVD奇异值分解，得到各个尺度对应的特征向量与特征值，将最大的特征值与特征向量相乘即得到主方向的纹理特征向量；具体按照以下步骤实施：

对各个尺度下的结构张量T_s进行纹理特征分解，对于尺度为s时的2x2的结构张量T_s，采用SVD的方式对结构张量T_s进行特征分解，

Ts=(Vs+,Vs-)Tλs+00λs-(Vs+,Vs-)---(2)]]>

其中是结构张量T_s的特征值，满足与是分别对应于特征值的特征列向量，对于S个尺度的多尺度结构张量Γ，为了保留各个尺度下的主要纹理特征，取较大的特征值与特征向量来表示尺度为s时的纹理特征向量V_s：

Vs=ηλs+Vs+---(3)]]>

步骤1.1.3、将S个纹理特征向量V_s联合，构建Γ的多尺度纹理特征向量χ＝(V₀^T，V₁^T，…，V_S-1^T)^T，χ是2*S维的多尺度纹理特征列向量，它保留了S个尺度下的主要纹理信息；对χ进行PCA降维，利用所有的彩色纹理特征χ，在保留95％的纹理信息的要求下，得到降维投影矩阵Q＝(m₁，…，m_H)_2S×H，其中H是χ降维后的维数，m_i(i＝1，…，H)对应于利用所有的彩色纹理特征向量χ，计算协方差矩阵得到的前H个最大特征值所对应的特征向量构成的投影矩阵，设降维压缩后的纹理特征信息为Y_i，即