[发明专利]基于局部区域一致性流形约束MRF模型的图像分割方法

权利要求书

1.基于局部区域一致性流形约束MRF模型的图像分割方法，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X＝{x₁,x₂,…x_N}；

步骤2：参数初始化：分割类数K、局部区域先验Potts模型参数β、拉格朗日乘子λ、Gibbs采样算法初始温度T₀；

步骤3：构建表示图像数据流形的局部几何结构的最近邻图G＝(V,E,W)，其中V是顶点集合，E是边的集合，W是图G的权值矩阵；

步骤4：通过图的嵌入来寻找流形的低维表示，把样本数据在高维空间复杂的分布投影到低维空间，利用流形在图像的局部区域与欧式空间的同胚，在局部区域建立降维映射关系，在低维空间建立表示流形的几何结构关系，建立概率框架下的流形正则项；

步骤5：基于pairwise MRF模型，在扩展邻域上建模图像结构的依赖关系，表达更复杂的图像区域特征，建立基于区域的MRF能量分割模型；利用拉格朗日乘子法，引入图像局部区域一致性流形约束项，得到局部区域一致性流形约束MRF图像分割模型；

步骤6：采用期望最大化算法估计本发明提出局部区域一致性流形约束MRF图像分割模型的GMM参数

步骤7.采用Gibbs采样算法对局部区域一致性流形约束MRF分割模型进行优化，并输出图像分割结果。

2.根据权利要求1所述的基于局部区域一致性流形约束MRF模型的图像分割方法，其特征在于，步骤2具体包括：

2a)令Ω＝{1,2,…,K}表示像素节点标号空间，并确定分割类别数K；

2b)局部区域先验Potts模型参数β∈[0.1,5]、局部区域的流形一致性区域约束项的拉格朗日乘子λ∈[10,100]；

2c)Gibbs采样算法初始温度T₀＝4.0。

3.根据权利要求2所述的基于局部区域一致性流形约束MRF模型的图像分割方法，其特征在于，步骤3具体包括：

给定待分割自然图像X＝{x₁,x₂,…x_N}为独立同分布的随机样本，基于流形学习理论，在待分割自然图像X中构建表示图像数据流形的局部几何结构的最近邻图G＝(V,E,W)，其中V是顶点集合，E是边的集合，W是图G的权值矩阵；

式中，N_k(x_s)为样本点x_s的k近邻集，如果x_s∈N_k(x_r)或x_r∈N_k(x_s)，则样本点x_s与x_r是相邻的两个样本点，其权值为w_sr，根据热核函数表示方法权值w_sr定义如下：

式中，t＝5，为热核参数。

4.根据权利要求3所述的基于局部区域一致性流形约束MRF模型的图像分割方法，其特征在于，步骤4具体包括：

4a)在概率框架下，令待分割自然图像X＝{x₁,x₂,…x_N}对应的隐变量集合为Y＝{y₁,y₂,…y_N}，其中y_s∈{1,2,…K}；

4b)令光滑嵌入f_k(x)为一个条件概率分布p(y＝k|x)，即：

4c)基于谱图理论，利用Laplacian特征映射，基于步骤3建立描述图像局部几何结构的最近邻图，然后通过图的嵌入寻找流形的低维表示；建立的条件概率分布p(y＝k|x)的局部信息度量S_k定义如下：

式中：

D(p(k|x_s),p(k|x_r))²表示两个相邻节点x_s,x_r的条件概率分布p(y_s|x_s)和p(y_r|x_r)的距离。