一种基于颜色样本与电场模型的图像分割方法

摘要

本发明涉及一种基于颜色样本与电场模型的图像分割方法。本发明把物理学中的电场理论引入颜色样本学习、模型训练与像素分类：从样本图片中选取目标区域的正样本与负样本像素数据，把颜色空间作为3D电场模型并计算每个坐标点的场强，基于贝叶斯准则推导空间中每处颜色值属于目标区域的概率，通过描述分类效果的ROC曲线寻找空间中目标的最优分割阈值，确定电场模型相关参数与合适的电场空间分辨率，利用映射表法建立索引进而实现像素的快速分类与图像分割。相比现有的直方图模型，本发明在小样本情况下也能够估算出非样本点的概率；相比现有的核密度估计法，本发明通过更多的核描述目标区域的颜色分布，能够实现精度更高且兼顾时间效率的图像分割。