图像分割中的不确定信息方法

摘要

随着计算机、通信和数字媒体为代表的信息技术迅速发展，机器视觉和图像处理技术从传统的遥感图像处理、医学图像处理、机器人视觉控制和导航领域扩展到视觉监控、生物特征识别、智能交通系统、信息检索、脑功能研究、虚拟现实等领域。由于在上述各领域中都涉及到复杂的模式识别问题，而一般情况下图像分割是模式识别中关键性的步骤。因此研究图像分割有着广泛而深刻的意义。 然而图像世界丰富多彩，其内容蕴含着诸如随机性、模糊性等不确定性信息，传统的确定性方法已经不能满足分割问题的解决需要。本文从这个角度出发，主要对两类特殊的图像——纹理图像和彩色图像进行分割研究。 根据纹理图像小波分解后各频带的统计性质和层次关系，优化频带选取，提出了一种变形小波结构，建立了融合这种结构上尺度内部和尺度之间关系的双马尔可夫随机场模型，引入了一种近似最大联合概率分割算法，并从理论上分析了该算法的合理性。实验表明，与基于高斯金字塔马尔可夫随机场模型的分割方法相比，该算法分割质量明显提高；并且对模型中自由参数的选取进行比较，证实它们在给定区间上的选择具有鲁棒性。 针对彩色图像，提出了一种综合考虑多重模糊属性的分割算法。该算法定义了像素的邻域模糊距离，并根据同一区域内部消除亮度信息后彩色部分相关性非常高的原则，利用区域生长方法产生准种子区域和模糊像素集。对于这些准种子区域按照面积大小进行区域提纯，从而得到确信度很高的种子区域；对于模糊像素，利用合理的目标函数确定出它们的区域属性。讨论了区域的紧性和相邻区域之间颜色相似度的权重关系，并用于区域合并。实验表明，算法的分割结果与人的主观视觉感知具有良好的一致性。

目录

文摘

英文文摘

第一章绪论

第二章图像分割中不确定信息方法的理论基础

第三章基于小波-双马尔可夫随机场的纹理分割

第四章基于多重模糊属性的彩色图像分割

第五章总结与展望

参考文献（续）

致谢