基于高斯混合模型和Renyi熵的图像分割方法_黄金杰.pdfVIP

第26卷第4期 计算机应用研究 V01．26No．4 2009年4月 ResearchofComputers Apr．2009 Application 基于高斯混合模型和Renyi熵的图像分割方法 黄金杰，盖光建 (哈尔滨理工大学自动化学院，哈尔滨150080) 摘要：采用高斯混合模型(GMM)来估计图像灰度值的空间坐标概率分布，再在二阶Renyi熵的基础上构造目 标熵函数，在图像灰度范围内搜索各个灰度级别的坐标集合，使此目标熵函数最大的灰度值作为最佳分割阈值。 实验结果表明此方法对图像分割的精度较高，适应性较好，具有较稳定的性能。 关键词：高斯混合模型；Renyi熵；阈值函数；图像分割 中图分类号：TV391 文献标志码：A 文章编号：1001—3695(2009)04—1541-03 basedonGMMand Imagesegmentation Renyientropy approach HUANG Jin-jie，GAIGuang-jian (CollegeofAutomation，Harbin‰妙ofScience＆Technology，Harbin150080．China) of Abstract：ThisusedtheGaussianmixturemodelstoestimatethe distribution paperfirstly spatialprobability imagegray level constructedfunctionwith searchedthebestthresholdinthe of level an values，then object Renyientropy．and scopegray tomaximizethe function．Theresultsof showthatthemethodhas and object experiments hishaccuracy，fineadaptability morestable performance． mixture Keywords：GMM(Gaussianmodels)；Renyientropy；thresholdfunction；imagesegmentation 图像分割是图像处理与机器视觉的基本问题之一…，是 理论上看，高斯分布具有很多良好的性质，是许多统计方法的 图像分析和目标识别的重要步骤及技术，其目的是将图像分成 理论基础，许多概率分布可以用它来近似。其表达式为 具有某种特征差异的不同区域。目前已经提出了很多种图像 (1) 分割方法，它们各自基于不同的图像模型，利用不同的特性，有 GMM采用的是多个单高斯分布的线性组合，因此被称为 各自的适用范围和优缺点，没有一种普遍适用的最优图像分割 高斯混合模型，是一种能够利用已知样本