圖像表征和圖像分割算法的研究.pdf

1、由于實際圖像中包含了大量的冗余的信息，在圖像表征中我們希望提取圖像中最本質(zhì)的視覺信息，在這點上與圖像壓縮有相通之處，因為在圖像壓縮中我們?nèi)コ龍D像中冗余信息，將人眼視覺系統(tǒng)最敏感的信息保留下來。 本文研究了兩種圖像表征方法：HIMPA和Epitome。HIMPA是獨立主元ICA模型和混合概率主元MPPCA模型的混合。Epitome簡單來說就是圖像的摘要，它包含了圖像中紋理信息和形狀特征。我們對10幅圖像進(jìn)行了DCT、HIMPA、E

2、oitome的分析比較，并且用PSNR 來檢測在相同壓縮率的情況下圖像表征效果。 圖像分割就是利用區(qū)域的相似性或非連續(xù)性把圖像空間劃分成若干個具有某些一致性屬性(比如灰度、顏色和紋理等)的不重疊區(qū)域，并提取出感興趣的目標(biāo)。它是由圖像處理到圖像分析的關(guān)鍵步驟，其分割性能的優(yōu)劣往往直接影響到后續(xù)的圖像處理與分析、特征提取和模式識別等操作。 本文研究了三種圖像分割算法：SMAP、QBS、HMTseg。SMAP和HMTseg是基

3、于區(qū)域的圖像分割算法，而QBS是基于邊界的圖像分割算法。SMAP是一種貝葉斯圖像分割方法，它采用多尺度隨機場：Multiscale Random Field(MSRF)來替代MRF，并且采用有序的MAP(SMAP)估計來替代MAP估計。QBS提出了基于四邊形的圖像分割框架，它首先從邊緣圖構(gòu)造四邊形，然后合并具有相似特征的四邊形來形成區(qū)域，每個分割區(qū)域都可以用一些四邊形的集合來精確完整地描述。HMTseg是基于小波變換和隱馬爾可夫樹(HM