基于局部特征分類的圖像分割算法研究.pdf

1、隨著科技的不斷進(jìn)步，信息時(shí)代已經(jīng)到來。圖像作為人類獲得信息、表達(dá)信息的一種重要載體，是人類感知世界的的窗口，因此圖像處理得到快速發(fā)展。圖像分割作為圖像處理的中心環(huán)節(jié)，也隨之得到重視。近年來，各種圖像分割算法在不斷的被發(fā)掘。但迄今為止，還沒有出現(xiàn)一種分割算法對(duì)所有圖像都有很好的分割結(jié)果。對(duì)圖像處理來說，圖像分割結(jié)果的好壞將直接影響圖像處理的結(jié)果。因此，圖像分割技術(shù)得到了學(xué)術(shù)界、醫(yī)學(xué)界和工業(yè)界等的廣泛關(guān)注。可見在計(jì)算機(jī)視覺領(lǐng)域，圖像分割技術(shù)

2、的研究不僅僅是挑戰(zhàn)，更是機(jī)遇。
　　目前，立足于已有的并且取得了良好分割效果的分割方法的基礎(chǔ)上，本文針對(duì)圖像分割提出了對(duì)四元數(shù)極諧變換和孿生支持向量機(jī)(TWSVM)、非下采樣剪切波(NSST)和隱馬爾科夫樹(HMT)模型的研究，完成的主要工作有以下幾點(diǎn):
　　1、利用超復(fù)數(shù)的四元數(shù)與極諧變換(PHT)相結(jié)合的四元數(shù)極諧變換提取像素級(jí)特征，再將蟻群算法(ACS)與模糊c均值(FCM)聚類算法結(jié)合起來選取訓(xùn)練樣本，使用孿生支持向

3、量機(jī)對(duì)已經(jīng)選取的待訓(xùn)練的訓(xùn)練樣本進(jìn)行訓(xùn)練，最后我們采用孿生支持向量機(jī)進(jìn)行分類。通過實(shí)驗(yàn)結(jié)果表明，該方法更好的保持了圖像分量間彼此的聯(lián)系性和相關(guān)性，提高了分割精度。
　　2、采用非下采樣剪切波系數(shù)在尺度間、方向間、尺度內(nèi)的相關(guān)性建立隱馬爾科夫樹模型進(jìn)行圖像分割，首先使用非下采樣剪切波對(duì)圖像進(jìn)行分解，得到系數(shù)鄰域、尺度間、表兄弟三種關(guān)系，再利用隱馬爾科夫樹模型描述相鄰系數(shù)間統(tǒng)計(jì)相關(guān)性，進(jìn)而實(shí)現(xiàn)圖像分割。實(shí)驗(yàn)結(jié)果表明，隱馬爾科夫樹模型利