基于互信息的图像分割算法研究与设计.docVIP

基于互信息的图像分割算法研究与设计 　　摘要：图像分割可以提取图像关键特征，传统图像分割技术准确度低、鲁棒性弱，本文基于互信息提出一种新的图像分割算法，分割时尽可能保留原图像相邻区域的互信息，实验结果表明该算法可以提高分割准确度，更好地恢复图像。 中国论文网 /8/view-7240630.htm 　　关键词：互信息；图像分割；准确度；多目标 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）01-0201-02 　　Research and Design of Image Segmentation Algorithm Based on Mutual Information 　　HU Heng-wu， LI Song-tao 　　（School of Information Engineering， Guangdong Medical college ， Dongguan 523808 China） 　　Abstract： image segmentation can extract the key features of the image， the accuracy and robustness of the traditional image segmentation technology is low， and the new image segmentation algorithm based on mutual information is proposed. The results show that the proposed algorithm can improve the segmentation accuracy and restore the image. 　　Key words： mutual information； image segmentation； accuracy； multiple objectives 　　1 概述 　　随着多媒体、机器学习、模式识别技术的快速发展和应用，其已经在图像处理领域得到了广泛的普及，能够提高图像搜索、图像增强的成效。图像处理过程中，图像分割是图像处理的关键技术之一，其可以能够预处理图像和提取关键特征，降低图像噪声，为图像增强和分析提供预处理结果，降低图像处理时的信息量，又能够保持图像内部结构特征。随着图像分割技术的研究，已经取得了显著的成效，陈圣国等人基于随机游走算法和SSFCM算法提出了一种半监督图像分割算法，能够实现图像特征准确提取[1]。姜平等人提出基于特异度和自适应分类策略的图像分割算法[2]。刘光辉等人分析多尺度马尔科夫随机场在图像分割中产生的块效应，提出一种基于多尺度置信度传播图像分割算法[3]。杨勇等人提出了一种基于多尺度结构张量的图像分割算法，采用无监督方法对彩色纹理图像进行分割[4]。范朝冬等人提出一种基于小概率的Otsu图像分割算法[5]。皮志明等人融合深度和颜色信息提出一种图像分割算法[6]。李积英等人融合量子克隆进化与二维Tsallis熵等技术提出一种图像分割算法[7]。 　　图像分割虽然已经大幅度提升准确度，但是对于具有复杂背景和多目标的图像，图像分割不准确，不能够保留图像内部结构特征。为了解决上述问题，本文提出了一种基于互信息的图像分割算法-ISMI，能够有效地提高图像分割的精准度，同时能够将一幅图像中的多个不同目标分割出来。 　　2 基于互信息的图像分割算法设计 　　图像分割过程中，互信息可以度量任两个像素点的概率包含程度，也就是能够独立像素点的重合情况[8]。互信息的定义如下描述： 　　定义1：给定一个离散随机变量（X，Y）～p（x，y），[p（x）=Yp（x，y）]，[p（y）=Xp（x，y）]，则随机变量X和Y之间互相包含的互信息为： 　　[I（X；Y）=XYp（x，y）logp（x，y）p（x）p（y）] （1） 　　如果两个像素点的概率是逻辑独立的，互信息取值为零，达到最小值[I（X；Y）=0]。互信息满足对称性，[I（X；Y）=I（Y；X）]。 　　互信息应用于图像分割中其目标是尽可能地保留相邻片区之间的互信息，压缩相关的信息到瓶颈变量中，反映图像内部结构特征。具体的，使用矩阵M（X，Y）存储一个二值化图像的信息，其中变量X和变量Y分别表示二值化的图像的行和列，则ISMI算法采用行列双向划分的思想执行图像分割操作，具体的图像分割过程如下所述： 　　（1）ISMI算法对图像的行X进行划分，使用Y（[Y]）作为度量划分过程中各个分片之间的互信息。在这个过程中，要尽可能地保留Y（[Y]）的信息量，以便能够使得图像的行结构相似的区域分割到一个片内。 　　（2）