基于随机模型的图像分割算法的设计与实现.pdfVIP

              声明：下面论文由《免费论文教育网》  http://www.PaperE 用 户转载自互联网，版权归原作者所有，本文档仅供参考，严禁抄袭！                  《免费论文教育网》          基于随机模型的图像分割算法的设计与实现 李 昕 北京邮电大学网络与交换技术国家重点实验室 北京(100876) E-mail：lea 摘 要：本文通过研究图像像素的特征值分布，利用随机模型中的 EM 算法(期望最大化算 法) ，实现了一种的自然图像分割方法，该方法可根据部分指定权值对图像进行全局特征提 取，通过建立模型、权值设置、收敛计算三步对图像进行处理，最终分割出图像的主体区域， 并通过多次实验结果证明了方法的有效性。 关键词：图像分割；EM 算法；随机模型；特征提取 中图分类号：TP391.41 文献标识码：A 1．引言 图像分割是一种重要的图像技术，在图像工程(一个对整个图像领域进行研究与应用的 新科学) 中占据重要的位置。图像工程可分为三个层次，图像处理，图像分析和图像理解。 图像分割是从图像处理进到图像分析的关键步骤，也是进一步图像理解的基础，一方面，它 是目标表达的基础，对特征测量有重要的影响:另一方面，因为图像分割及其基于分割的目 标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像 分析和图像理解成为可能口图像分割前，对图像的加工主要处于图像处理的层次，图像分割 后，对图像的分析才成为可能。 从图像分割研究的历史来看，可以看到对图像分割的研究有几个明显的趋势[1] ：一是 对原有算法的不断改进。二是新方法、新概念的引入和多种方法的有效综合运用。人们逐渐 认识到现有的任何一种单独的图像分割算法都难以对一般图像取得令人满意的分割效果，因 而很多人在把新方法和新概念不断的引入图像分割领域的同时，也更加重视把各种方法综合 起来运用。 图像分割可基于相邻像素在像素值方面的两个性质:不连续性和相似性(根据分割定 义) 。区域内部的像素一般具有某种相似性，而在区域之间的边界上一般具有某种不连续性。 所以，图像分割技术可据此分为利用区域间特性不连续性的基于边界的图像分割技术和利用 [2] 区域内特性相似性的基于区域的图像分割技术 。 基于随机模型的图像分割是图像分割领域中极富代表性的一个问题，它属于基于区域 的图象分割技术之一[3] 。这些方法都是力图用全局模型来解释数据，并且希望能够用较少的 参数来解释大量数据。图象分割中一个重要问题就是数据丢失，而随机模型的理念就是利用 不确定数据来描述确定数据。 本文通过利用随机模型中的期望最大化（expectation_maximization ）算法来实现对丢 失数据的估计，通过对不完备数据的对数似然函数的迭代得到收敛值，从而对图象的全局进 行分析，分割出主体区域，最终达到图像分割的目的。 2 ．基于随机模型的图像分割方法 基于随机模型的图像分割方法