公开(公告)号：CN113936012B

公开(公告)日：2025-01-07

申请号：CN202111225843.8

申请日：2021-10-21

Applicant: 东南大学

Inventor： 吕建华 ,  王亮 ,  杜一鸣 ,  任亦然 ,  邵振 ,  吴小彤 ,  张柏礼

IPC: G06T7/11 ,  G06T7/187 ,  G06T7/41 ,  G06V10/26 ,  G06V10/764

Abstract: 本发明公开了一种多尺度超像素空间共生混合模型的图像分割方法，属于图像处理领域。本发明包括步骤：S1、参数设置：设置β(耦合系数)增长函数，分割类别数，超像素组合；S2、模型构建：构建不同尺度的超像素空间共生混合模型，各尺度超像素在观测值上共享一组高斯混合模型参数；S3、多尺度训练：使用K均值算法初始化模型参数，然后用多种尺度的超像素交替训练模型直至模型参数收敛；S4、单像素分割：利用S3获取的模型参数，根据最大后验概率准则确定每个像素所属类别。本发明能够提高邻近像素观测值共生似然函数模型在纹理复杂图像分割时准确度、降低人工调参工作量。

公开(公告)号：CN113936012A

公开(公告)日：2022-01-14

申请号：CN202111225843.8

申请日：2021-10-21

Applicant: 东南大学

Inventor： 吕建华 ,  王亮 ,  杜一鸣 ,  任亦然 ,  邵振 ,  吴小彤 ,  张柏礼

IPC: G06T7/11 ,  G06T7/187 ,  G06T7/41 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明公开了一种多尺度超像素空间共生混合模型的图像分割方法，属于图像处理领域。本发明包括步骤：S1、参数设置：设置β(耦合系数)增长函数，分割类别数，超像素组合；S2、模型构建：构建不同尺度的超像素空间共生混合模型，各尺度超像素在观测值上共享一组高斯混合模型参数；S3、多尺度训练：使用K均值算法初始化模型参数，然后用多种尺度的超像素交替训练模型直至模型参数收敛；S4、单像素分割：利用S3获取的模型参数，根据最大后验概率准则确定每个像素所属类别。本发明能够提高邻近像素观测值共生似然函数模型在纹理复杂图像分割时准确度、降低人工调参工作量。