技术特征：
1.一种自然图像分割方法，其特征在于，包括如下步骤：s1:建立模型，初始化模型求解需要的参数；s2:计算各向异性邻域信息权重；s3:在e步中计算后验概率，截尾正态分布的矩，先验与后验正则项的参数；s4:在m步计算模型参数；s5:判定是否达到收敛条件，收敛则结束，否则转到s3。2.根据权利要求1所述的一种自然图像分割方法，其特征在于，所述s1中，各向异性偏斜高斯混合模型建立如下：其中，第一项：为偏斜混合分布：其中第二项：为先验正则项。s
i
为先验分布逼近项目，其目的是为了更好地拟合先验分布。式中：为kl散度距离。为邻域先验信息。定义为：其中为点i的邻域，j为邻域中的点，α
ij
为邻域内其他点的各向异性权重.第三项：为后验正则项。κ一般取1/2。为邻域后验信息。该正则项目的是使得模型不仅考虑先验知识，而且考虑后验知识。增加模型鲁棒性综上所述，整个模型可写成：
参数初始化：使用k-means方法得到参数初始值。β一般取0.3。3.根据权利要求2所述的各向异性权重，其特征在于，所述s2中，计算各向异性邻域信息的方法为：式中，g为各向异性高斯核函数：g(x
i
,x
j
)＝exp(-(x
i-x
j
)
t
d
i
(x
i-x
j
))
×
w
ij
。w
ij
为非局部权重：x
i
为当前点x
i
的坐标，x
j
为邻域点x
j
的坐标。n(x
i
)为x
j
邻域点构成的数值矩阵。为相似度矩阵：刻画当前点到邻域点的相似度。为点乘。ζ为常数。d
i
为当前点的结构张量：构张量：构张量：γ，h为常数。4.根据权利要求1所述的一种自然图像分割方法，其特征在于，所述s3中，利用改进的em算法中的e步求解后验以及截尾正态分布矩。给定初始参数计算截尾正态分布矩以及以及以及其中计算后验概率：5.根据权利要求1所述的一种自然图像分割方法，其特征在于，所述s4中，利用改进的em算法中的e步求解先验与后验的逼近分布。
计算逼近分布：计算逼近分布：其中6.根据权利要求1所述的一种自然图像分割方法，其特征在于，所述s5中，利用改进的em算法中的m步求解模型参数。计算模型参数：计算模型参数：计算模型参数：计算模型参数：其中，
技术总结
本发明公开了一种自然图像分割方法。针对非对称分布情况下的图像分布很难使用正态分布进行刻画的难点，给出一种偏斜正态混合分布模型；针对自然图像常含有噪声等问题，给出一种各向异性邻域信息；给出如何将各向异性邻域信息耦合到偏斜混合分布中；给出改进的EM算法计算混合模型的参数已达到分割的目的。计算混合模型的参数已达到分割的目的。计算混合模型的参数已达到分割的目的。
技术研发人员：陈允杰
受保护的技术使用者：南京鑫鼎云科技有限公司
技术研发日：2020.10.13
技术公布日：2022/4/15