[发明专利]一种基于新型粒子滤波算法的图像分割方法

摘要

本发明提出一种基于新型粒子滤波算法的图像分割方法，包括：针对要分割的图像特点，建立相应的动态空间模型；采集训练图像，对其进行预处理，提取感兴趣区域；以像素点作为样本单位，选取网络输入特征，组建训练样本；构建深度神经网络模型，完成深度网络训练，输入测试样本得到初始分割结果；利用初始分割结果生成粒子群，并采用粒子群优化算法将粒子移动到高似然区域，将得到的结果作为粒子滤波的建议性分布；采用上述建议性分布的新粒子滤波算法对状态量进行估计，得到最终的图像分割结果。本发明采用深度学习和粒子群优化算法产生建议性分布，有效解决了粒子退化问题，能够获得较好的图像分割效果，具有较强的应用性和鲁棒性。

主权项

1.一种基于新型粒子滤波算法的图像分割方法，其特点在于，包括：/n步骤a，针对要分割的图像特点，建立包含转移方程和观测方程的动态空间模型，以目标区域边界上的序列点作为状态量；所述转移方程表示当前时刻与前一时刻之间状态量的关系，所述观测方程反映当前时刻图像分割的效果；/n步骤b，采集若干相关图像作为训练图像集，并对其进行预处理，提取出包含目标区域的感兴趣区域；/n步骤c，以像素点作为样本单位，根据图像特点，分析并选取具有辨识力的网络输入特征，做归一化处理组建为训练样本；所述网络输入特征包括领域内的灰度值、与中心点之间的距离和对比值；/n步骤d，构建深度神经网络模型，取深信度网络，输入训练样本进行训练，并且根据图像分割效果来调节深度网络参数，确定深度网络模型；/n步骤e，将待分割图像按照步骤c同样的方式组建为测试样本，输入深度网络模型通过一次前向传播得到初始的分割结果；/n步骤f，利用初始分割结果生成粒子群，并采用粒子群优化算法将粒子移动到高似然区域，得到的结果作为粒子滤波的建议性分布；/n步骤g，根据建立的动态空间模型，采用含上述建议性分布的新型粒子滤波算法对状态量进行估计，得到最终的图像分割结果。/n