【技术实现步骤摘要】
一种EM算法二维直方图聚类的方法及装置
本公开涉及图像处理领域,具体涉及一种EM算法二维直方图聚类的方法及装置。
技术介绍
二维直方图是在一维直方图的基础上考虑邻域后的二维分布,由于二维直方图既反映了图像的灰度分布,又能体现像素点与其邻域的空间相关信息,具有较好的抗噪性,因此受到了很多关注。利用二维直方图进行阈值分割,最大类间方差法和最大熵法应用得最多,但仅是单阈值分割,没有扩展到多阈值,满足不了多阈值多目标的复杂图像分割需求。现在的萤火虫和二维熵结合的算法寻找多阈值,由于反复迭代,计算耗时费力。考虑到直方图是一个典型的统计量,往往呈现双峰或多峰状态,直方图的形状可以看做是多个高斯分布的叠加,混合高斯模型可以描述这种多态情况。二维直方图比一维直方图的抗噪声能力强,直方图阈值是图像分割的重要依据,二维直方图因为考虑了每个像素的邻域相关信息,对噪声图像的分割效果更好。有别于传统的最大类间方差及最大熵阈值法。图像分割就是将一幅图像划分成若干聚类区域,每个区域都有相似的特性。在众多的图像分割方法中,直方图阈值法因其简单高效备受注意。它的基本思想是目标和背景分布在直方图灰度轴的两端,只要找到这个分割点,就可以进行图像分割,最大类间方差法(大津OTSU)、最大熵法、模糊聚类、期望最大(EM)值法等,都是典型的阈值分割方法。随着研究的深入、应用领域的扩大,阈值分割算法也在不断进化,出现了多阈值分割、融合目标特征的分割、以及利用二维直方图的多维度分割算法等。
技术实现思路
本公开提供一种EM算法二维直方图聚类的方法及装置,用二维GMM拟合二维直方图曲线,采用EM算法获取GMM ...
【技术保护点】
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。
【技术特征摘要】
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。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.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rxy(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rxy的二维混合概率密度函数P(rxy;Θ),构造似然函数L(Θ;R),其中,pk(rxy;θk)是rxy第k个二维高斯独立分布的密度函数,θk是其参数向量,θk={μ1k,μ2k,σ1k,σ2k},ωk是第k簇的混合比例系数,满足ω1+...+ωK=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,…,θK};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,4.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3中,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的方法为,计算混合分量的个数K与各个分布的权重ωk,引入隐含类别标签设是为示性函数,取值只有0和1,在给定类属标签后,每个r(i,j)的混合概率密度函数转化为混合权重ωk由类属标签的分布;设r(i,j)...
【专利技术属性】
技术研发人员:郭玲,龚兰芳,
申请(专利权)人:广东水利电力职业技术学院广东省水利电力技工学校,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。