The embodiment of the invention provides an image segmentation method and device based on confidence propagation, the method includes: wavelet transform of the image to be segmented to obtain the feature vectors of each scale; for any scale, iterative segmentation within the scale is carried out based on the confidence propagation algorithm, and the global energy corresponding to each iterative segmentation result is calculated until the preset scale iterative conditions are reached; The global energy includes the tag field energy and the feature field energy based on the iterative segmentation result and the feature vector; the iterative segmentation result corresponding to the smallest global energy is taken as the final segmentation result of this scale, and the final segmentation result of this scale is taken as the initial segmentation result of the next scale, and the inter scale iterative segmentation is carried out until the final segmentation result of the smallest scale is obtained; and The final segmentation result of the smallest scale is the final segmentation result of the image to be segmented. The method and device provided by the embodiment of the invention realize the globally optimal image segmentation and improve the accuracy of image segmentation.
【技术实现步骤摘要】
基于置信度传播的图像分割方法和装置
本专利技术涉及图像分割
，尤其涉及一种基于置信度传播的图像分割方法和装置。
技术介绍
图像分割是一种重要的图像处理技术，是解决图像分析与识别的关键步骤。图像分割能够将原始图像中的目标从复杂的背景中提取出来，为后续的图像处理提供可靠依据。马尔科夫随机场模型，是统计学方法中最常用的一种图模型，它将概率论与图论联系起来，并且有机地结合图像的时间和空间等信息，利用众多的变量独立关系，构造了一种基于联合概率分布的结构模型，为处理图像分割领域的不确定性问题提供了重要的渠道。马尔科夫随机场模型因其可以表达图像像素间的空间信息，受到了广泛的关注。目前，马尔科夫随机场模型已应用于不同的图像分割领域，并存在针对不同的应用环境对马尔科夫随机场模型进行改进的多种方法。然而，将马尔科夫随机场模型应用在图像分割领域，存在如下问题：在进行能量函数最小化时，易陷入局部最小，导致搜寻效率低下、目标图像分割精确度不高，无法保证整幅图像分割中各目标区域内的一致性及不同目标区域间的差异性。<...
【技术保护点】
1.一种基于置信度传播的图像分割方法，其特征在于，包括：/n对待分割图像进行小波变换，得到各尺度的特征向量；/n针对任一所述尺度，基于置信度传播算法进行尺度内迭代分割，并计算每一迭代分割结果对应的全局能量，直至达到预设尺度内迭代条件；其中，所述全局能量包括基于所述迭代分割结果和所述特征向量得到的标记场能量和特征场能量；/n将所述全局能量最小时对应的所述迭代分割结果作为所述任一尺度的最终分割结果，将所述任一尺度的最终分割结果作为下一尺度的初始分割结果，进行尺度间迭代分割，直至得到最细尺度的最终分割结果；/n将所述最细尺度的最终分割结果作为所述待分割图像的最终分割结果。/n
【技术特征摘要】
1.一种基于置信度传播的图像分割方法，其特征在于，包括：
对待分割图像进行小波变换，得到各尺度的特征向量；
针对任一所述尺度，基于置信度传播算法进行尺度内迭代分割，并计算每一迭代分割结果对应的全局能量，直至达到预设尺度内迭代条件；其中，所述全局能量包括基于所述迭代分割结果和所述特征向量得到的标记场能量和特征场能量；
将所述全局能量最小时对应的所述迭代分割结果作为所述任一尺度的最终分割结果，将所述任一尺度的最终分割结果作为下一尺度的初始分割结果，进行尺度间迭代分割，直至得到最细尺度的最终分割结果；
将所述最细尺度的最终分割结果作为所述待分割图像的最终分割结果。
2.根据权利要求1所述的基于置信度传播的图像分割方法，其特征在于，所述针对任一所述尺度，基于置信度传播算法进行尺度内迭代分割，并计算每一迭代分割结果对应的全局能量，直至达到预设尺度内迭代条件，之前还包括：
基于最粗尺度的所述特征向量，对所述最粗尺度进行聚类，得到所述最粗尺度的初始分割结果。
3.根据权利要求1所述的基于置信度传播的图像分割方法，其特征在于，所述针对任一所述尺度，基于置信度传播算法进行尺度内迭代分割，并计算每一迭代分割结果对应的全局能量，直至达到预设尺度内迭代条件，具体包括：
针对任一尺度，基于上一迭代分割结果，通过置信度传播算法，更新当前迭代分割结果；
对所述当前迭代分割结果进行平滑优化；
基于所述当前迭代分割结果计算标记场能量；
基于所述当前迭代分割结果和所述任一尺度的特征向量，计算特征场能量；
基于所述标记场能量和所述特征场能量，得到所述当前迭代分割结果对应的全局能量；
将所述当前迭代分割结果更新为所述上一迭代分割结果，并重复所述基于上一迭代分割结果，通过置信度传播算法，更新当前迭代分割结果，直至达到预设尺度内迭代条件。
4.根据权利要求3所述的基于置信度传播的图像分割方法，其特征在于，所述针对任一所述尺度，基于上一迭代分割结果，通过置信度传播算法，更新当前迭代分割结果，具体包括：
基于如下公式更新所述当前迭代分割结果：
式中，xp、xq∈label＝{1，2，...，L}为相邻节点的标记值，其中，label即标记；n为小波变换的尺度，t为当前迭代次数；为可观察节点与隐藏节点之间的相互作用的似然函数，为两个相邻的隐藏节点xp、xq之间相互作用的势函数，N(p)\q为不包括节点q的节点p的四邻域系...
【专利技术属性】
技术研发人员：夏平，师冬霞，任强，雷帮军，唐庭龙，邹耀斌，
申请(专利权)人：三峡大学，
类型：发明
国别省市：湖北;42
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。