通過(guò)有損壓縮技術(shù)實(shí)現(xiàn)自然圖像有效分割.pdf

1、在計(jì)算機(jī)視覺(jué)領(lǐng)域，圖像分割指的是將數(shù)字圖像細(xì)分為多個(gè)圖像子區(qū)域(像素的集合，也被稱作超像素)的過(guò)程。圖像分割的目的是簡(jiǎn)化或改變圖像的表示形式，使得圖像更容易被理解和分析。圖像分割通常用于定位圖像中的目標(biāo)和邊緣(線、曲線等)。更精確來(lái)說(shuō)，圖像分割是對(duì)圖像中的每個(gè)像素加標(biāo)簽的一個(gè)過(guò)程，這一過(guò)程使得具有相同標(biāo)簽的像素具有某種共同視覺(jué)特性。目前已經(jīng)出現(xiàn)了上千種圖像分割的方法，但沒(méi)有一種圖像分割方法對(duì)于所有的圖像都具有很好的分割效果。圖像分割是由

2、圖像處理到圖像分析的關(guān)鍵步驟，其分割結(jié)果的優(yōu)劣將直接影響到隨后的圖像分析、圖像理解以及景物的恢復(fù)，所以圖像分割具有其重要性和現(xiàn)實(shí)意義。
　　 在本文中，我們將自然圖像的分割轉(zhuǎn)化為將紋理特征作為多元混合數(shù)據(jù)的聚類問(wèn)題。我們使用高斯混合分布來(lái)建模紋理特征的分布。然而不像大多數(shù)已有的聚類方法，我們?cè)试S混合成分是退化或趨于退化的。我們認(rèn)為這種假設(shè)對(duì)于圖像分割是特別重要的，在圖像分割中我們通過(guò)使用一種對(duì)不同紋理的共同特征表達(dá)式來(lái)引出退化的

3、概念。我們的目的是在一個(gè)給定失真條件下，找到一個(gè)最優(yōu)分割來(lái)最小化分割數(shù)據(jù)的全局編碼長(zhǎng)度。通過(guò)分析混合數(shù)據(jù)的編碼長(zhǎng)度或編碼率，我們正式建立一些數(shù)據(jù)分割與有損數(shù)據(jù)壓縮以及率失真理論這些概念之間的聯(lián)系。我們認(rèn)為對(duì)于壓縮混合數(shù)據(jù)而言，一個(gè)明確的分割應(yīng)該是其近似(漸進(jìn))的最優(yōu)結(jié)果。所以，我們提出一個(gè)非常簡(jiǎn)單且有效的算法，它僅依賴于一個(gè)參數(shù)，且允許失真。在任何給定的失真條件下，該算法能自動(dòng)判斷相應(yīng)的群集數(shù)量和維度，且無(wú)需任何參數(shù)的估計(jì)。仿真結(jié)果揭示

4、了當(dāng)改變失真水平或奇異值數(shù)量時(shí)，分割數(shù)量的類相變行為。通過(guò)有損數(shù)據(jù)壓縮方式得到的簡(jiǎn)單的凝聚聚類算法可以有效地分割諸如混和分布的情況。使用簡(jiǎn)單的固定大小的高斯窗口，比如紋理特征，該算法通過(guò)減少所有特征向量的整體編碼長(zhǎng)度來(lái)分割圖像。
　　 我們進(jìn)行的綜合性實(shí)驗(yàn)，通過(guò)將本文提出的算法與常用Canny邊緣檢測(cè)算法、Sobel算子的梯度算法、K-均值算法和模糊C-均值算法對(duì)圖像進(jìn)行分割作對(duì)比，以及通過(guò)調(diào)整本文算法中的紋理閾值λ來(lái)優(yōu)化分割效