[发明专利]一种基于贝叶斯概率与神经网络的图像分割方法有效
| 申请号： | 201611124012.0 | 申请日： | 2016-12-08 |
| 公开（公告）号： | CN106846321B | 公开（公告）日： | 2020-08-18 |
| 发明（设计）人： | 胡海峰;李昊曦;顾建权;谢斯岳 | 申请（专利权）人： | 广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学 |
| 主分类号： | G06T7/10 | 分类号： | G06T7/10 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 528300 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于贝叶斯概率与神经网络的图像分割方法，包括：为每个像素定义一个后验概率能量函数，通过利用基于贝叶斯概率计算的形态学膨胀方法对每个像素的相邻像素进行计算，然后对该像素的进行膨胀，使具有相似或者相同的后验概率分布的像素作为对分割分类的神经网络的输入。通过将该像素及其自适应的相邻像素输入到一个多层的神经网络中，提取判别性的特征判断是否为待分割图像的前景或背景，达到有效分割的效果。 | ||
| 搜索关键词： | 一种 基于 贝叶斯 概率 神经网络 图像 分割 方法 | ||
【主权项】：
一种基于贝叶斯概率与神经网络的图像分割方法，其特征在于，包括以下步骤：(1)对于图像的每一个像素，计算该像素的后验概率能量函数，得到该像素的能量值；(2)以该像素为中心，向该像素的邻域扩展，利用贝叶斯概率计算其相邻像素与该像素的相邻关系，选择后验概率大的M个像素；(3)设定高斯分布函数作为被选择的M个像素的条件概率密度函数，然后使用K‑means聚类算法对M个像素进行聚类，包括中心点的初始化和聚类收敛；(4)根据聚类结果，选择类别大的一类的聚类中心点为中心，计算N个到该中心最近的像素点作为神经网络的输入数据；(5)将最终被选取的N个像素点作为神经网络的输入数据，提取判别性特征，根据SVM分类器判断该像素属于前景还是背景，实现图像分割。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学，未经广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611124012.0/，转载请声明来源钻瓜专利网。
