结合互信息熵差测度的高斯混合模型图像分割.pdfVIP

第23卷第2期 南华大学学报 (自然科学版) V01．23No．2 2009年6月 JournalofUniversityofSouthChina(ScienceandTechnology Jun．2OO9 文章编号：1673—0062(2009)02—0060—03 结合互信息熵差测度的高斯混合模型图像分割 胡亨伍，罗 扬，张 刘 (南华大学 计算机科学与技术学院，湖南 衡阳421001) 摘 要：从分割 图像与原图像的内在联系出发，提出了一种基于高斯混合模型与互信 息熵差结合的分割算法——GMM—DMI算法．利用期望极值化方法确定高斯混合模 型的各分量参数，以互信息熵差为模型选择准则，计算前分割图像与当前分割图像的 互信息熵差，互信息熵差达到最小时即为最优解．实验结果表明，本算法所得到的 目 标图像的区域保持形状且定位性能好． 关键词：图像分割；高斯混合模型；互信息熵差 中图分类号：TPBgl 文献标识码 ：B A GaussM ixtureM odelwithDi仃erenceofMutual InformationforImageSegmentation HU Heng-WU，LUO Yang，ZHANG Liu (CollegeofComputerScienceandTechnology，UniversityofSouthChina，Henygang，Hunan421001，China) Abstract：Accordingtotheinternalrelationsbetween originalimageand segmented im— age，htegaussmituremodeliscombinedwihtthedifferenceofmutualinformation(DMI)． TheparametersofGMM can beobtainedbyusingExpectationMaximizationmehtod，na d initerationprocess，anoptimal componentnumberwillbedeterminedbyminimizingthe DMIbetweenhtepreviousandcurrentsemg entedimages．Theexperimentalresultsindicate thattheproposedmehtod hasnotonlyyisuallybettersemg entationeffectbutalsobetterlo— ． calizationproperty． Keywords：imagesemg enattion；GMM；DMI 图像分割是一个根据区域间的相似或不同把 合模型只考虑到图像像素的个体信息，而忽略了 图像分割成若干区域的过程．在众多的图像分割 像素的空间分布以及分割图像与原图像的内在联 方法中，基于特征空间聚类的混合模型方法常常 系．当有突发噪声和边界灰度相溶时，得到的区域 能获得较稳定的分割结果．期望最大化 (Expecta— 不能代表原图像区域的形状． tionMaximization，EM)算法…为模型参数提供了 本文根据图像配准领域的研究成果，从分割 一 种简单有效的极大似然估计解．传统的高斯混 图像与原图像的内在联系出发，提出了基于高