[发明专利]基于统计建模与像素分类的彩色图像分割方法

权利要求书

1.一种基于统计建模与像素分类的彩色图像分割方法，其特征在于按照如下步骤进行：

约定：尺寸为M×N彩色图像表示为f(x,y)；f_p,c(x)表示贝塞尔K分布概率密度函数；形状参数表示为p；尺度参数表示为c；g(x,y)表示(x,y)位置的邻域平均灰度级；p(i,j)表示灰度级与g(x,y)的联合概率密度；与分别表示目标熵与背景熵；Φ_α(t,s)表示最佳阈值向量；TSVM表示图像分类器；

a.初始设置

获取原始彩色图像f(x,y)并初始化设置；

b.非下采样Shearlet变换分解图像

在f(x,y)的RGB色彩空间内，对R、G、B每个分量进行参数为[3 3 3 3 3]的非下采样Shearlet变换，分解图像；

c.统计建模

c.1定义f_p,c(x)如下式：

其中，p0,c0，为第二类修改的第z阶贝塞尔函数，Γ(t)为Gamma函数；

c.2对R、G、B每个分量的同尺度高频子带，利用f_p,c(x)进行统计建模,计算出每个尺度的p和c：

其中，m₂和m₄分别表示样本系数的二阶和四阶中心距；

c.3取每个分量五组p,c的极值，用pr,cr,pg,cg,pb,cb表示，并将其作为像素特征；

d.图像二维Tsallis熵初分割

d.1计算坐标点(x,y)的邻域平均灰度级g(x,y)：

其中，n₁取奇数，[n₁/2]表示对n₁/2取整；

d.2p(i,j)为：

p(i,j)＝^r(i,j)/(M×N)i,j＝0,1,…L-1

其中，r(i,j)表示灰度级L与g(x,y)出现的频次，L＝256；

d.3根据下式，分别计算二维Tsallis熵的目标和背景：

其中，α为固定参数，α＝0.8；

d.4定义判别函数Φ_α(t,s)如下：

当Φ_α(t,s)取最大值时，即可得到最优阈值：

d.5利用最佳阈值得到初分割结果，合并目标像素子集与背景像素子集得到训练样本；

e.TSVM模型训练

结合像素特征与训练样本集，训练TSVM模型；

f.TSVM模型分类

利用TSVM模型进行像素分类，完成图像分割。