公开(公告)号：CN114140474B

公开(公告)日：2022-06-28

申请号：CN202111445897.5

申请日：2021-11-30

Applicant: 哈尔滨理工大学

Inventor： 于林森 ,  殷旭 ,  李文昊

IPC: G06T7/11 ,  G06N7/00 ,  G06T5/50 ,  G06K9/62 ,  G06V10/762 ,  G06V10/26

Abstract: 一种多尺度分块贝叶斯图像分割方法，解决如何降低ICM方法对噪声的敏感度，以及如何提高像素之间的局部相关性的问题，属于图像处理领域。本发明包括：对待分割图像采用多尺度分割模式，每个分割尺度对应一个层次，共进行L+1次分层，每个分块内像素观测值服从高斯分布：上层对图像采用大尺度、大分块的粗分辨率处理方式，随着层次的降低，分块的尺寸缩小，在每层分块交互混合的参数学习后，直接作为下一层参数学习的初始值，而位于区域边缘，划分不合理区域的参数学习，则交给下一层，通过重新划分的缩小尺度的分块完成，随着层数的降低，分割的边缘区域会逐步细化，第0层图像中每个分块的类别估计值最为分割结果输出。

公开(公告)号：CN109872339B

公开(公告)日：2021-04-02

申请号：CN201910053973.4

申请日：2019-01-21

Applicant: 哈尔滨理工大学

Inventor： 于林森 ,  刘彦君 ,  王亮

IPC: G06T7/12

Abstract: 为了解决邻近像素观测值共生似然函数模型，在图像的边缘区域可能导致的误分割问题，本发明提供一种局部相关的加权共生图像分割方法，属于图像处理领域。本发明包括：S1、构建局部相关的单像素宽、不同方向的邻域共生高斯混合模型；S2：获取待分割图像的分割权重：S21、利用待分割图像的像素视觉观测值，求取构建的邻域共生高斯混合模型的模型参数，以及获取不同方向邻域共生高斯混合模型的类别标注结果；S22、根据不同方向的类别标注结果，获取分割权重；S3、利用S22获取的权重，构建加权的局部相关邻域共生高斯混合模型，利用待分割图像的视觉观测值，获取该加权的局部相关邻域共生高斯混合模型的参数值，以及获取图像分割结果。

公开(公告)号：CN104392458A

公开(公告)日：2015-03-04

申请号：CN201410766009.3

申请日：2014-12-12

Applicant: 哈尔滨理工大学

Inventor： 于林森 ,  陈德运 ,  孙广路 ,  李鹏

IPC: G06T7/00

Abstract: 基于空间限制邻域混合模型的图像分割方法，属于图像处理领域。为了解决目前在进行图像分割时，采用EM算法求取混合模型参数存在耦合性的问题。所述方法包括如下步骤：步骤一：根据独立混合模型建立空间限制邻域混合模型：首先，从独立混合模型的每个像素位置处，选择一个邻域，由邻域内的先验概率共同决定选择一个模型分量；然后，再由确定的模型分量生成每个像素位置对应邻域内的一组观测值；最后，根据确定的模型分量和生成的观测值，得到空间限制邻域混合模型的似然函数；步骤二：利用图像的像素的视觉观测值，求得空间限制邻域混合模型的模型参数；步骤三：利用所得的空间限制邻域混合模型的模型参数，获取分割后的图像。本发明用于图像分割。