[发明专利]基于空间平滑的多元学生t分布混合模型图像分割方法

权利要求书

1.一种基于空间平滑的多元学生t分布混合模型图像分割方法，其特征在于，该基于空间平滑的多元学生t分布混合模型图像分割方法包括以下步骤：

步骤一：输入待分割图像，得到图像的颜色信息；

步骤二：设置聚类数目K及迭代终止的似然函数变化值和迭代的最大次数；

步骤三：初始化参数，使用K-均值算法得到均值μ和协方差Σ，然后初始化变量，设置变量η＝1，精度Λ＝(ηΣ)^-1，v＝1，利用近邻关系求得像素中的每个像素的均值

步骤四：E-Step假设分布的参数均值μ和协方差Σ已知，求解隐含变量的值；

步骤五：M-Step利用求得的最大似然值再返过来求解函数参数均值μ和协方差Σ的值；

步骤六：

计算对数似然函数的值，计算其变化值

$\frac{|L^{\left(t\right)}\left(\mathrm{\Θ}\right)-L^{(t+1)}\left(\mathrm{\Θ}\right)|}{L^{(t+1)}\left(\mathrm{\Θ}\right)}\<{10}^{-5}$

或迭代次数超过规定数就退出循环操作，否则执行步骤四操作；

步骤七：

计算像素的最大后验概率，根据最大后验概率原则得到像素的类别。

2.如权利要求1所述的基于空间平滑的多元学生t分布混合模型图像分割方法，其特征在于，所述步骤一中，假设一副图像中共有N个像素，这些像素被分为K类。

3.如权利要求1所述的基于空间平滑的多元学生t分布混合模型图像分割方法，其特征在于，步骤三中像素的平均值的求解按下面公式进行求解，

${\stackrel{\‾}{x}}_n=\frac{1}{N_n}\underset{m\∈{\∂}_n}{\Σ}{x}_m$

式中表示近邻系统，N_n表示近邻系统中近邻的个数。