基于直方圖統(tǒng)計(jì)模型的自適應(yīng)多閾值圖像分割算法的研究.pdf

1、一直以來(lái),圖像分割都是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)關(guān)鍵問(wèn)題,圖像分割的效果將直接影響到圖像的下一步分析和處理。同時(shí),它也是圖像處理領(lǐng)域的一個(gè)經(jīng)典難題。在圖像分割算法中,直方圖閾值法是應(yīng)用最廣泛的分割技術(shù)之一。本文在傳統(tǒng)的直方圖高斯擬合多閾值方法的基礎(chǔ)上,針對(duì)該方法的不足,結(jié)合數(shù)學(xué)上的概率論與統(tǒng)計(jì)理論知識(shí),提出了基于Gamma分布統(tǒng)計(jì)模型的直方圖自適應(yīng)多閾值分割算法和基于對(duì)數(shù)正態(tài)分布統(tǒng)計(jì)模型的直方圖自適應(yīng)多閾值分割算法。
　　 直方圖高斯

2、擬合法通常采用高斯分布來(lái)擬合直方圖,而高斯分布的偏度為零,是一種對(duì)稱(chēng)性分布,只適用于擬合對(duì)稱(chēng)的模型。當(dāng)樣本數(shù)據(jù)的偏度不為零時(shí),圖像的直方圖分布是非對(duì)稱(chēng)的,由高斯擬合法得到的分割效果往往不夠準(zhǔn)確。因此,本文采用偏度不為零的Gamma分布對(duì)直方圖進(jìn)行擬合,結(jié)合ISODATA算法自適應(yīng)地確定圖像分割的閾值。該算法首先利用極大似然估計(jì)對(duì)每個(gè)Gamma模型的擬合參數(shù)進(jìn)行估計(jì),避免了多峰交疊帶來(lái)的干擾;然后采用基于直方圖區(qū)域的分裂與合并的方法估計(jì)分

3、割閾值。該方法避免了普通的基于圖像區(qū)域的分裂合并技術(shù)在緊致性和邊緣粗糙方面的缺點(diǎn),同時(shí)實(shí)現(xiàn)了對(duì)直方圖非對(duì)稱(chēng)圖像的分割。實(shí)驗(yàn)結(jié)果表明,該算法不但對(duì)于直方圖對(duì)稱(chēng)的圖像能取得和高斯擬合法相同的分割效果,對(duì)于直方圖非對(duì)稱(chēng)圖像能取得比高斯擬合法更佳的分割效果,直方圖的擬合精度和圖像分割的魯棒性都得到了有效的提高。
　　 高斯模型只能擬合對(duì)稱(chēng)分布,Gamma模型既能既能擬合對(duì)稱(chēng)分布也能擬合非對(duì)稱(chēng)分布,但是在偏度不為零的分布中,特別地針對(duì)于呈

4、正偏分布的直方圖,本文又提出了基于對(duì)數(shù)正態(tài)分布統(tǒng)計(jì)模型的直方圖自適應(yīng)多閾值圖像分割算法。該算法首先利用矩估計(jì)對(duì)每個(gè)對(duì)數(shù)正態(tài)分布模型的擬合參數(shù)進(jìn)行估計(jì),然后通過(guò)區(qū)域的一致性測(cè)度準(zhǔn)則和合并準(zhǔn)則對(duì)直方圖進(jìn)行分裂與合并,最后對(duì)參數(shù)估計(jì)進(jìn)行實(shí)驗(yàn)測(cè)試,把呈正偏的對(duì)數(shù)正態(tài)分布噪聲加入到圖像并進(jìn)行實(shí)驗(yàn)和測(cè)試。結(jié)果顯示,該方法能比高斯擬合法和Gamma擬合法取得更理想的分割效果,對(duì)數(shù)正態(tài)分布能更好地?cái)M合非對(duì)稱(chēng)直方圖中呈正偏分布和噪聲為對(duì)數(shù)正態(tài)分布的圖像。