利用云模型和数据场的图像分割方法.pdf

万方数据
利用云模型和数据场的图像分割方法涛秦吴昆”,‘.,第卷第年模式识别与人工智能武汉大学软件工程国家藿点实验室武汉湛江师范学院信息科学与技术学院湛江武汉大学遥感信息工程学院武汉摘要针对图像自动分割中的最优阈值选择问题,,,结合全局和局部统计特征获得自适应势阈值对图像像素进行划分,,根据图像像素隶属于背景、目标云模型的程度,,该方法的分割效果较好、性能稳定,,不确定性,云模型,数据场,瑆.·国家豢蒲Ы咏鹣钔.⒐计划项目手收稿浚籰恍蕖緇—,,￡,..秦昆,<啬苷琁】.⒋恚中图法分类号琖,甌琤甆瑃瓵.,琔,珼&..琣
万方数据
,迷颇P秃褪莩〉耐枷穹割方法引言云模型”圳、数据场。谟衫畹乱愕忍岢觯理学中的原子模型表示概念,用数字特征谕其中,盯控制质点的作用力程,即影响因子:彬图像分割是自动化图像处理的重要环节,是图像分析与理解的基础,也是詜像处理的经典难题之一⋯.其基本任务是根据图像特征将图像分成若干连续子区域并提取感兴趣的目标区域“.图像区域内的像素旱现相似性,区域问的像素表现不连续性,因此,图像分割通常利用像素级特征上的相似性和不连续性¨图像阈值分割是一类简单高效的方法,其基本思想是假设图像由目标和背景组成,按照像素的灰度级设置一个阈值,分割出属于目标和背景的像素,其中最大类问方差法被认为在实际分割中具有通用性一枷穹指钍且桓鋈ň钟刖植康牧侥盐题一’,即在保证算法效率的前提下,、不明确性、不肯定性或不稳定性,不断引入不确定性的理论和方法表达、评价、降低、甚至消除陶像分割过程中的不确定性就成为一个重要的方向一“衬糊集合的隶属函数难于确定,目前基于模糊集的图像分割研究主要是模糊集合扩展理论的应用。”⋯其中基于二型模糊集合的方法引起广泛关注、!.文献冉先衔;诙湍:,、随机性及其关联性,,,以梯度直方图为基础通过云变换确定区域生长准则,然后用逆向云算法实现分割区域由定量的像索集合到定性云概念的转换,,,通过数据场考虑图像的空问信息及像素之间的相互作用,、超熵肌迪侄ㄐ远康牟蝗范ㄐ宰;唬据场借鉴物理学中的场描述对象之间的相互作用,,文献、中云模型、数据场的引入对于实现不确定性分割具有重要意义,、且容易产生双边缘等不足汹浯危迷票浠坏姆椒ɑ竦单一的阈值作为区域生长准则,未能充分结合图像的局部和全局信息、,在云综合时仅考虑云模型的期望距离,,虽然能发挥云模型和数据场的共同优势,,,首先利用数据场实现谙窕叶戎堤卣骺占涞绞莩∈浦悼占的非线性映射,,结合全局、局部统计特征获得自适应势阔值对图像像素进行划分,综合不同的划分结果产生图像潜在的背景或目标像素集合,、,将图像像素看成是二维空间中的质点,其相互作用形成场,称为图像数