基于統(tǒng)計建模的彩色圖像分割算法研究.pdf

1、在計算機視覺領域，圖像分割一直是一項關鍵技術，其目的是將圖像中具有特殊意義的區(qū)域分割開來。作為高層次圖像處理的初步階段，圖像分割一直起著至關重要的作用，例如目標定位或識別、數據壓縮、圖像檢索等。在過去的幾年中，許多圖像分割方法已經被開發(fā)出來，如閾值分割、區(qū)域分割等。迄今為止，由于圖像的復雜性還沒有一種標準的分割方法適用于所有不同種類的圖像，因此.圖像分割技術仍是目前研究的熱點之一。
　　 目前，結合各種理論的圖像分割已應用于不同

2、種類的圖像，并取得不錯的結果，本文圍繞圖像分割這一研究領域，對支持向量機理論和統(tǒng)計建模理論進行了認真研究，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(SVM)結合起來進行圖像分割，該方法為支持向量機提供了訓練樣本，不僅符合人類視覺感知特性，而且節(jié)省時間，取得了很好的分割結果。
　　 二、在進行特征描述時

3、，不再以原始特征為基礎，而是由高斯混合模型(GMM)得到的新特征來進行初始分割，進而利用支持向量機(SVM)進行分類得到最終分割結果。高斯混合模型(GMM)僅采用時域信息，而該方法能夠充分利用圖像的時空域信息，從而彌補了GMM對復雜背景建模的不足，有效的提高了分割的準確性。
　　 3、提出了應用PDTDFB變換的增強的隱馬爾可夫樹模型進行圖像分割的算法，先對圖像進行特征提取，再對特征進行PDTDFB變換，再將變換后的系數與增強的