第2章贝叶斯决策理论概论.ppt

2.7 实验1—图像的贝叶斯分类 最优阈值的迭代算法： 设有一幅数字图像f (x, y) ，混有0均值加性高斯噪声，可表示为 如果通过阈值分割将图像分为目标与背景两部分，则每一部分仍然有噪声点随机作用于其上，于是目标与背景可表示为 迭代过程中，会多次地对 和 求均值，则 可见，随着迭代次数的增加，目标和背景的平均灰度都趋向于真实值。因此，用迭代算法求得的最佳阈值不受噪声干扰的影响。 2.7 实验1—图像的贝叶斯分类 ， 和 利用最优阈值对实验图像进行分割的迭代步骤为： （1）确定一个初始阈值 可取为 式中， 为图像灰度的最小值和最大值。 （2）利用第k次迭代得到的阈值将图像分为目标 和背景 两大区域，其中 （3）计算区域 和 的灰度均值 和 （4）计算新的阈值 ，其中 （5）如果 小于允许的误差，则结束，否则 ，转步骤（2）。 2.7 实验1—图像的贝叶斯分类 分割范例 分割阈值120 2.7 实验1—图像的贝叶斯分类 实验步骤及程序 理解最优阈值迭代算法，设计程序实现对自选图像的最优阈值分割。 实验结果与分析 要求写明实验得到的分割阈值，附分割效果图。对实验结果进行分析，说明实验结果好或者不好的原因，提出改进措施。 2.7 实验1—图像的贝叶斯分类 实验报告撰写要求： 一、封皮的填写：实验课程名称 模式识别