圖像分割中的不確定信息方法.pdf

1、隨著計(jì)算機(jī)、通信和數(shù)字媒體為代表的信息技術(shù)迅速發(fā)展，機(jī)器視覺(jué)和圖像處理技術(shù)從傳統(tǒng)的遙感圖像處理、醫(yī)學(xué)圖像處理、機(jī)器人視覺(jué)控制和導(dǎo)航領(lǐng)域擴(kuò)展到視覺(jué)監(jiān)控、生物特征識(shí)別、智能交通系統(tǒng)、信息檢索、腦功能研究、虛擬現(xiàn)實(shí)等領(lǐng)域。由于在上述各領(lǐng)域中都涉及到復(fù)雜的模式識(shí)別問(wèn)題，而一般情況下圖像分割是模式識(shí)別中關(guān)鍵性的步驟。因此研究圖像分割有著廣泛而深刻的意義。 然而圖像世界豐富多彩，其內(nèi)容蘊(yùn)含著諸如隨機(jī)性、模糊性等不確定性信息，傳統(tǒng)的確定性方法

2、已經(jīng)不能滿足分割問(wèn)題的解決需要。本文從這個(gè)角度出發(fā)，主要對(duì)兩類(lèi)特殊的圖像——紋理圖像和彩色圖像進(jìn)行分割研究。 根據(jù)紋理圖像小波分解后各頻帶的統(tǒng)計(jì)性質(zhì)和層次關(guān)系，優(yōu)化頻帶選取，提出了一種變形小波結(jié)構(gòu)，建立了融合這種結(jié)構(gòu)上尺度內(nèi)部和尺度之間關(guān)系的雙馬爾可夫隨機(jī)場(chǎng)模型，引入了一種近似最大聯(lián)合概率分割算法，并從理論上分析了該算法的合理性。實(shí)驗(yàn)表明，與基于高斯金字塔馬爾可夫隨機(jī)場(chǎng)模型的分割方法相比，該算法分割質(zhì)量明顯提高；并且對(duì)模型中自由

3、參數(shù)的選取進(jìn)行比較，證實(shí)它們?cè)诮o定區(qū)間上的選擇具有魯棒性。 針對(duì)彩色圖像，提出了一種綜合考慮多重模糊屬性的分割算法。該算法定義了像素的鄰域模糊距離，并根據(jù)同一區(qū)域內(nèi)部消除亮度信息后彩色部分相關(guān)性非常高的原則，利用區(qū)域生長(zhǎng)方法產(chǎn)生準(zhǔn)種子區(qū)域和模糊像素集。對(duì)于這些準(zhǔn)種子區(qū)域按照面積大小進(jìn)行區(qū)域提純，從而得到確信度很高的種子區(qū)域；對(duì)于模糊像素，利用合理的目標(biāo)函數(shù)確定出它們的區(qū)域?qū)傩?。討論了區(qū)域的緊性和相鄰區(qū)域之間顏色相似度的權(quán)重關(guān)系，