[发明专利]一种EM算法二维直方图聚类的方法及装置

权利要求书

1.一种EM算法二维直方图聚类的方法，其特征在于，所述方法包括以下步骤：

步骤1，获取图像的二维直方图；

步骤2，对二维直方图建立二维高斯混合模型；

步骤3，计算混合分量的个数与各个分布的权重，并转换二维高斯混合模型；

步骤4，二维高斯混合模型根据类属标签采用贝叶斯后验概率计算隐含类别；

步骤5，根据Jensen不等式计算二维混合高斯模型的似然函数；

步骤6，获取所有分布得到类属更新分布；

步骤7，重复执行步骤4直到计算出所有类别；

在步骤2中，所述对二维直方图建立二维高斯混合模型的方法为，图像有m*n个像素，样本r_xy(i,j)表示第x行y列像素点的本体灰度和邻域灰度，且样本互相独立，建立每个r_xy的二维混合概率密度函数P(r_xy；Θ)，构造似然函数L(Θ；R)，其中，p_k(r_xy；θ_k)是r_xy第k个二维高斯独立分布的密度函数，θ_k是其参数向量，θ_k＝{μ_1k,μ_2k,σ_1k,σ_2k}，ω_k是第k簇的混合分布的权重，满足ω₁+...+ω_K＝1的条件，K是混合模型的分量数目，Θ是混合模型的参数集，Θ＝{θ₁，θ₂，…，θ_K}；设R＝{r(i,j),i,j＝0,1,...,L}是图像二维直方图的二元点集，h(i,j)是二维直方图，这样在EM算法中就可以脱离图像，仅对二维直方图运算，则二维高斯混合模型为，

2.根据权利要求1所述的一种EM算法二维直方图聚类的方法，其特征在于，在步骤1中，所述获取图像的二维直方图的方法为，输入一个的图像，所述图像的图像矩阵为m行n列，根据每个像素本身的灰度值，计算每个像素的邻域平均灰度值，由每个像素本身的灰度值和邻域平均灰度值构成了二维坐标系；

设任意像素点p在坐标(x，y)处的灰度值为f(x，y)，取p的8-邻域(N8)平均灰度值g(x，y)，二者的值域都在[0,L]之间；

根据公式计算邻域灰度，即获取到二维直方图，式中w是以p点为中心的滤波掩膜,

3.一种EM算法二维直方图聚类装置，其特征在于，应用于权利要求1所述的EM算法二维直方图聚类的方法，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的单元中：

二维直方图获取单元，用于获取图像的二维直方图；

高斯混合建模单元，用于对二维直方图建立二维高斯混合模型；

模型转换单元，用于计算混合分量的个数与各个分布的权重，并转换二维高斯混合模型；

类别计算单元，用于通过二维高斯混合模型根据类属标签采用贝叶斯后验概率计算隐含类别；

似然函数计算单元，用于根据Jensen不等式计算二维混合高斯模型的似然函数；

类属更新分布获取单元，用于获取所有分布得到类属更新分布；

类别迭代计算单元，用于重复调用类别计算单元直到计算出所有类别。