[发明专利]一种具有边缘保持的多尺度MRF模型图像分割方法

权利要求书

1.一种具有边缘保持的多尺度MRF模型图像分割方法，其特征在于，包括以下步骤：

步骤1：输入一幅待分割自然图像；

步骤2：参数初始化：确定分割类别数K、多尺度层数L、边缘尺度因子η初值；

步骤3：待分割自然图像的MRF似然分布采用高斯混合分布模型描述，高斯混合模型参数μ_k,利用EM算法估计；

步骤4：基于多栅格技术，建立局部区域交互的多尺度MRF模型；

步骤5：引入边缘保持Cauchy模型，建立融合边缘保持的局部区域交互多尺度MRF模型；

步骤6：从第l层MRF模型开始，取m为当前层迭代次数，利用区域置信度传播算法进行迭代，然后基于MPM准则估计当前分割结果，并遍历图像计算当前分割结果的能量函数；

步骤7：计算当前层的第m次迭代的MRF全局能量；

步骤8：判断相邻两次迭代MRF全局能量值变化是否满足中止条件：小于设定的阈值或者达到设定的迭代次数，如果不满足中止条件，则重复步骤6；否则中止；

步骤2中，令Ω＝{1,2,L,K}表示像素节点标号空间，人工设定分割类别数K；L＝3～4；η＝25；

步骤4具体包括：

建立一个从精细到粗糙的多尺度MRF模型X＝{X⁰,X¹,L,X^L}，其中，X⁰表示最精细层MRF，X^L表示最粗糙层MRF；

表示第l层MRF模型，表示第l层的第i个区域节点，且x_j表示最精细层的第j个像素节点；

表示第l层中第i个区域节点的集合，定义：

其中，d(i,j)表示节点对(i,j)之间的Euclidean距离；l是个整数，表示MRF模型邻域系统中的阶次，N_l表示第l层中区域节点的总数；

第l层MRF模型分割的能量模型：

其中，表示第l层第i个区域内像素对应的标签集合，y_j表示最精细层的第j个标签节点，表示第l层中第i个区域节点的集合，W^l表示第l层所有子区域的集合；

表示第l层MRF模型中局部区域的似然能量：

表示第l层MRF模型中区域的先验能量，如果y_i＝y_j，则f(y_i,y_j)＝0；否则f(y_i,y_j)＝1；

步骤5具体包括：

5a)建立多尺度局部区域保持边缘的先验Gibbs分布模型：

其中，β为一个先验参数；G_d为一个方向d上的像素偏移因子，d＝{1,2,L,8}分别表示局部区域内中心节点在水平、垂直、对角和反对角方向上的八个位置偏移方向；Z(β)为Gibbs分布的归一化常数；表示图像的邻接标号的先验分布；表示邻接像素的Cauchy先验分布：

其中，分别为第l层MRF模型中第i，j个相邻像素；η^(l)为Cauchy分布的尺度因子；l表示不同的尺度；

5b)Cauchy分布假定下，Gibbs簇势能函数如下：

其中，分别为第l层MRF模型中第i，j个相邻像素的标号值；G_d为一个方向d上的像素偏移因子；

5c)建立融合边缘保持的局部区域交互多尺度MRF模型：