基于區(qū)域的彩色圖像分割方法研究.pdf

1、圖像分割是圖像處理到圖像分析的關(guān)鍵步驟之一,也是圖像分析和圖像識別過程中首先要面臨的問題。顏色作為人們認(rèn)知圖像的一個重要特征,在計算機視覺及模式識別領(lǐng)域充當(dāng)了至關(guān)重要的角色。隨著彩色圖像采集成本的降低、計算機處理能力的不斷提高以及彩色圖像應(yīng)用的增加,彩色圖像分割技術(shù)受到了研究學(xué)者們越來越多的關(guān)注和青睞?；叶葓D像分割技術(shù)已相當(dāng)成熟,我們可以把彩色圖像分割技術(shù)看成是灰度圖像分割技術(shù)的延伸,即把常用的灰度圖像分割技術(shù)運用到合適的彩色空間中,便

2、可以形成常見的彩色圖像分割技術(shù)。
　　傳統(tǒng)的高斯混合模型(Gaussian Mixture Model,GMM)聚類算法已普遍應(yīng)用于圖像處理領(lǐng)域,但在真實彩色圖像分割中,由于其沒考慮到像素間的空間相關(guān)性,使之對高斯噪聲及孤立點非常敏感。本文研究提出了一種基于區(qū)域塊的高斯混合模型彩色圖像聚類算法,有效提高了分割的效果。
　　論文主要研究工作如下:
　　(1)研究了圖像分割的定義和一般過程,整理并總結(jié)了主要的圖像分割方法。

3、研究了常用的彩色空間,以及不同彩色空間之間的轉(zhuǎn)換方法,分析比較了不同彩色空間的優(yōu)缺點。
　　(2)研究提出了一種基于區(qū)域塊的高斯混合模型彩色圖像分割算法,該算法實現(xiàn)步驟為:首先對彩色圖像求其彩色梯度,然后對彩色圖像梯度圖進行分水嶺分割,分水嶺分割會產(chǎn)生過分割區(qū)域,但基本得到同質(zhì)區(qū)域,提取彩色圖像的區(qū)域塊特征并把其作為高斯混合模型聚類的輸入樣本值,實現(xiàn)最終分割。同時,在GMM模型參數(shù)估計的過程中,采取了一種EM(Expectatio