基于独立高斯混合模型的纹理图像分割方法技术

本发明专利技术公开了一种基于独立高斯混合模型的纹理图像分割方法。分割过程为：对训练纹理图像同时进行３层小波变换，双树复小波变换和Ｃｏｎｔｏｕｒｌｅｔ变换，并提取相应的训练纹理图像特征；在每一层上采用免疫克隆算法选择特征；对每一训练图像的每一层进行高混合模型的无监督学习，自适应地得到与其对应的组件数，并由此得出高斯混合模型的参数；对测试纹理图像同时进行小波变换、双树复小波变换和Ｃｏｎｔｏｕｒｌｅｔ变换；并根据变换系数和所述的组件数，计算各层对应的最终似然值；通过比较各种纹理对应的似然值，得出初始分割结果；将初始分割结果经过多尺度融合得到最终分割结果。本发明专利技术具有分割结果区域一致性好，信息保留完整，对边缘定位准确的特点，可用于图像纹理识别。

【技术实现步骤摘要】

本专利技术属于图像处理领域，涉及一种纹理图像分割的方法，可用于图像理解与识别。
技术介绍
纹理图像分析与分割是图像处理和计算机视觉中最经典的研究课题之一，在国防及国民经济中都起着重要的作用，它在图像分类、图像检索、图像理解、目标识别等问题中都起到了关键性的作用。纹理分割的目的是将图像划分成均匀区域以及确定区域之间的边界。而纹理图像中的区域一致性是由区域内纹理的某些特征的一致性来表示的，分割一定是在某个或某些特征上进行的。因此纹理特征的提取是影响纹理图像分割的一个至关重要的因素。 目前纹理特征的提取方法主要归纳为基于统计的、基于空间/频域的、基于模型的三类。纹理的统计特性考虑纹理中灰度级的空间分布，在表达区域一致性上能取得良好的效果；基于空间/频域多尺度多通道纹理分析方法是与人类视觉过程相一致的，能够在不同尺度上分析图像，从而提高图像的边缘定位的准确度；基于模型的方法假设纹理是以某种参数控制的分布模型方式形成的，近年来马尔可夫随机场模型在纹理图像分割中的广泛应用充分说明了其有效性。2001年Raula将马尔可夫随机场和高斯混合模型结合起来，提出了利用马尔可夫随机场参数刻画纹本文档来自技高网...

【技术保护点】
一种基于独立高斯混合模型的纹理图像分割方法，包括如下步骤：　（１）对训练纹理图像同时进行小波变换，双树复小波变换以及Ｃｏｎｔｏｕｒｌｅｔ变换，并在每一层上提取相应的训练纹理图像特征；　（２）在每一层上采用免疫克隆算法对所提取的特 征进行选择；　（３）对每一训练纹理图像的在每一层进行有限高斯混合模型的无监督学习，自适应地得到与其对应的组件数ｋ，１≤ｋ≤１０，并由此得出高斯混合模型的参数；　（４）对测试纹理图像进行小波变换、双树复小波变换和Ｃｏｎｔｏｕｒｌｅ ｔ变换；并根据变换系数和所述的组件数ｋ，计算各层对应的最终似然值；　（５）由最大后验概率准则，通...

【技术特征摘要】

【专利技术属性】
技术研发人员：侯彪，邓倩倩，刘凤，焦李成，王爽，张向荣，马文萍，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[中国|西安]