基于統(tǒng)計(jì)建模的彩色圖像分割算法研究.pdf

1、在計(jì)算機(jī)視覺(jué)領(lǐng)域，圖像分割一直是一項(xiàng)關(guān)鍵技術(shù)，其目的是將圖像中具有特殊意義的區(qū)域分割開(kāi)來(lái)。作為高層次圖像處理的初步階段，圖像分割一直起著至關(guān)重要的作用，例如目標(biāo)定位或識(shí)別、數(shù)據(jù)壓縮、圖像檢索等。在過(guò)去的幾年中，許多圖像分割方法已經(jīng)被開(kāi)發(fā)出來(lái)，如閾值分割、區(qū)域分割等。迄今為止，由于圖像的復(fù)雜性還沒(méi)有一種標(biāo)準(zhǔn)的分割方法適用于所有不同種類的圖像，因此.圖像分割技術(shù)仍是目前研究的熱點(diǎn)之一。
　　 目前，結(jié)合各種理論的圖像分割已應(yīng)用于不同

2、種類的圖像，并取得不錯(cuò)的結(jié)果，本文圍繞圖像分割這一研究領(lǐng)域，對(duì)支持向量機(jī)理論和統(tǒng)計(jì)建模理論進(jìn)行了認(rèn)真研究，并提出了自己的分割方法，完成以下幾方面的工作：
　　 1、研究了支持向量機(jī)理論，利用提取的顏色和紋理特征，將模糊C均值(FCM)或Arimoto熵閾值和支持向量機(jī)(SVM)結(jié)合起來(lái)進(jìn)行圖像分割，該方法為支持向量機(jī)提供了訓(xùn)練樣本，不僅符合人類視覺(jué)感知特性，而且節(jié)省時(shí)間，取得了很好的分割結(jié)果。
　　 二、在進(jìn)行特征描述時(shí)

3、，不再以原始特征為基礎(chǔ)，而是由高斯混合模型(GMM)得到的新特征來(lái)進(jìn)行初始分割，進(jìn)而利用支持向量機(jī)(SVM)進(jìn)行分類得到最終分割結(jié)果。高斯混合模型(GMM)僅采用時(shí)域信息，而該方法能夠充分利用圖像的時(shí)空域信息，從而彌補(bǔ)了GMM對(duì)復(fù)雜背景建模的不足，有效的提高了分割的準(zhǔn)確性。
　　 3、提出了應(yīng)用PDTDFB變換的增強(qiáng)的隱馬爾可夫樹模型進(jìn)行圖像分割的算法，先對(duì)圖像進(jìn)行特征提取，再對(duì)特征進(jìn)行PDTDFB變換，再將變換后的系數(shù)與增強(qiáng)的