[发明专利]一种结合邻域信息与距离权重的非参贝叶斯过分割方法

摘要

本发明公开了一种结合邻域信息与距离权重的非参贝叶斯过分割方法，该方法包括如下步骤：首先采集待测区域的全色遥感影像或灰度图像，进行局部直方图特征提取，获得以每个像素(i)为中心，以一定尺寸的窗口提取的直方图(hi)作为特征；然后根据所述直方图特征运用采样的方式进行图像聚类，获得过分割体；其中所述直方图的横轴为该图像中所有像素的像素值组成的序列；纵轴为一定尺寸的窗口中各个像素值出现的次数；最后运用采样的方式，对所述全色影像进行图像聚类，获得全色影像过分割体，包括：运用采用第一公式，计算参数向量θi的似然项F(hi|θi)。该方法充分有效的利用全色影像中的空间距离信息及像素邻域信息，提升了其的客观性与科学性。

主权项

1.一种结合邻域信息与距离权重的非参贝叶斯过分割方法，其特征是：该方法包括如下步骤：首先采集待测区域的全色遥感影像或灰度图像，进行局部直方图特征提取，获得以每个像素(i)为中心，以一定尺寸的窗口提取的直方图(hi)作为特征；然后根据所述直方图特征运用采样的方式进行图像聚类，获得过分割体；其中所述直方图的横轴为该图像中所有像素的像素值组成的序列；纵轴为一定尺寸的窗口中各个像素值出现的次数；最后运用采样的方式，对所述全色影像进行图像聚类，获得全色影像过分割体，包括：运用采用第一公式，计算参数向量θi的似然项F(hi|θi)；所述第一公式为：其中，θij是每个像素i直方图特征中每个横坐标值j出现的概率；hij为一定尺寸的窗口生成的直方图中各个像素值出现的次数；Ncount为每个直方图横坐标中记录的数据值的个数；bins为直方图横坐标分组的数目；ZM(hi)为与θij无关的归一化函数；采用第二公式，计算参数向量θi的先验项G0(θi|βπ)。所述第二公式为：其中，β为正的尺度因子参数，π是一个bins维的概率向量；ZD(βπi)为与θij无关的归一化函数；采用第三公式，计算每个像素与周边邻域存在的类的聚类中心的距离；其中，k＝1…,Nc,xi、yi为每个像素的横纵坐标值，xk、yk为每个类聚类中心的横纵坐标值；采用第四公式计算，每个类各自的后验概率；由于再由于：所述第四公式为：