基于跨維馬爾柯夫鏈蒙特卡羅法的圖像分割方法研究.pdf

1、基于跨維馬爾柯夫鏈蒙特卡羅法(TD－MCMC)的圖像分割方法是一種自適應(yīng)多閾值圖像分割方法，這種方法可以對具有任意復(fù)雜度目標(biāo)或者背景的灰度圖像自適應(yīng)確定目標(biāo)區(qū)域數(shù)和分割閾值，實現(xiàn)全過程的自動分割。
　　 該方法基于Bayes理論，不僅能準(zhǔn)確估計圖像模型的模型階次，而且能準(zhǔn)確的估計模型參數(shù)，具有模型參數(shù)較少，比較容易和其他方法相結(jié)合的優(yōu)點，現(xiàn)如今其應(yīng)用范圍越來越廣泛，逐漸成為圖像分割應(yīng)用中備受關(guān)注的方法之一。
　　 首先本

2、文針對圖像灰度直方圖數(shù)據(jù)建立了圖像數(shù)據(jù)初始模型，并依據(jù)貝葉斯理論對模型參數(shù)和模型階次建立聯(lián)合后驗概率模型，在狀態(tài)轉(zhuǎn)移過程中利用M－H采樣方法進行采樣，構(gòu)造跨維馬爾柯夫鏈。
　　 其次，本文研究了圖像模型中幾種徑向基核函數(shù)對圖像灰度直方圖擬合結(jié)果的影響，并重點研究了模型中各個參數(shù)的初值變化對圖像分割結(jié)果的影響，在得到圖像數(shù)據(jù)的最佳模型之后，準(zhǔn)確的估計圖像分割區(qū)域數(shù)和分割閾值，最后采用信息熵的方法對本文分割算法進行量化評價。實驗表明