利用云模型和数据场的图像分割方法

摘要：

针对图像自动分割中的最优阈值选择问题,提出一种基于云模型和数据场的图像分割方法.该方法引入数据场实现图像灰度值特征空间到数据场势值空间的非线性映射,设定两个不同的质量函数分别形成相对数据场和绝对数据场.利用两类数据场的特点,结合全局和局部统计特征获得自适应势阈值对图像像素进行划分,产生图像潜在的背景或目标像素集合.进一步由逆向云发生器算法产生图像背景和目标的云模型表示,根据图像像素隶属于背景、目标云模型的程度,采用极大判定法则得到最终的分割结果.实验结果表明,该方法的分割效果较好、性能稳定,具有合理性和有效性.

关键词：图像阈值化、认知物理学、不确定性、云模型、数据场

所属期刊栏目：25

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目60875007;国家973计划项目2012CB719903,2007CB311003

在线出版日期：2012-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：397-405