[发明专利]基于局部四元数矩特征的图像分割方法

权利要求书

1.一种基于局部四元数矩特征的图像分割方法，其特征在于按如下步骤进行：

步骤1：对彩色图像构造每个像素点                                                的局部窗口，利用四元数指数矩分解求局部窗口的矩值，构造像素的特征；

步骤2：利用二维Arimoto熵初分割，选取训练样本，创建训练集；

步骤3：利用TWSVM模型训练，像素分类，使用训练后的TWSVM模型预测剩余像素的类标签，形成测试集，合并训练集和测试集的类标签向量，作为最后的图像分割结果。

2.根据权利要求1所述的基于局部四元数矩特征的图像分割方法，其特征在于所述步骤1如下：

步骤11：对于给定的一幅原彩色图像，对原彩色图像构造每个像素点部窗口，取以点为中心的局部窗口；

步骤12：计算每个局部窗口的四元数指数矩；

步骤13：通过四元数指数矩分解求彩色图像的矩值，利用四元数指数矩矩值求出幅值，选取（0，0）（0，1）（1，0）（1，1）四个矩值作为像素级特征，且窗口大小为，阶数为3。

3.根据权利要求2所述基于局部四元数据特征的图像分割方法，其特征在于所述步骤12如下：

步骤121：假定为极坐标下的彩色图像，则根据传统灰度图像的指数矩定义及四元数理论，定义四元数指数矩如下：

其中，是一个单位纯四元数，在此选择，为径向基函数，且有；

步骤122：提取彩色图像的R、G、B三个分量，分别计算其指数矩，将表示取复数p的实部，表示取复数p的虚部，则四元数指数矩分解可以表示为：

其中，

步骤123：对于彩色图像函数，计算出它的四元数指数矩后，可以利用有限个四元数指数矩来近似重构彩色图像函数，极坐标系下利用有限个四元数指数矩近似重构彩色图像函数的表达式为：

。

4.根据权利要求2或3所述的基于局部四元数矩特征的图像分割方法，其特征在于所述步骤2如下：

步骤21：定义一个以（x，y）为中心大小为窗口W_xy，在位置（x，y）像素的平均灰度级为：

其中，是位于（x，y）的像素对于V分量的灰度级，设图像的灰度级分为L级，为取整函数，局部窗口的像素的平均灰度级取值范围为0~L-1；

步骤22：像素的灰度级对（m，n）是由灰度级m和平均灰度级n组成的，设为V分量的灰度级对数目，那么定义二维联合概率密度为：

步骤23：设区域0和区域1的概率分别为和，可以表示为：

步骤24：二维熵的目标和背景可以分别写成如下形式：

其中是不为1的正常数；

步骤25：利用Arimoto熵的准可加性，使用如下判别函数：

步骤26：当判别函数达到最大时可求得最佳阈值，即：

。

5.根据权利要求4所述的基于局部四元数矩特征的图像分割方法，其特征在于所述步骤3如下：

步骤31：利用最佳阈值分割结果选取n₀个目标像素和n₁个背景像素作为训练样本，所有的训练样本一起构成完整的训练集，剩下的像素作为测试集；

步骤32：TWSVM模型训练，使用步骤2创建的训练集训练TWSVM模型；

步骤33：TWSVM像素分类，使用训练后的TWSVM模型预测剩余像素的类标签，合并训练集和测试集的类标签向量，为最后的图像分割结果。