基于云模型的层次图像分割方法研究

2005级  吴芳芳

指导教师：秦昆

摘    要

图像分析应用的目的不同，需要分割的细节水平也不同。一个特定的应用可能需要依赖图像目标被分割的不同细节的层次。因此，图像分割细节的不同层次的选择非常重要。层次图像分割方法就是产生一个不同细节水平分割的层次集，为特定的应用产生合适的分割层次。目前已提出许多层次图像分割方法如HSEG(Hierarchical Image Segmentation)层次图像分割方法、RHSEG(Recursive Hierarchical Segmentation)迭代层次图像分割方法，eCognition层次图像分割方法、MTHIS(Multi-temporal Hierarchical Image Segmentation)多时相层次图像分割方法等。但是这些方法都很少考虑分割过程中的不确定性（包括随机性和模糊性）。而云模型是一种处理不确定性的方法，它既考虑了随机性又考虑了模糊性。为了更好地处理层次图像分割中的不确定性，本文研究了两种基于云模型的层次图像分割方法。

本文通过对云变换的研究，研究了一种简单云变换的图像分割方法。通过对图像底层概念抽取、云综合的条件、底层概念到高层概念的泛概念树的构建等关键技术的深入研究，研究了基于泛概念树的层次图像分割方法和基于系统树图的层次图像分割方法。通过大量的分割实验验证了这些方法的有效性。并将基于云模型的图像分割方法与基于高斯混合模型(Gaussian Mixture Models)的图像分割方法进行了比较。将基于云模型的层次图像分割方法与其它层次图像分割方法包括HSEG、RHSEG、eCognition以及MTHIS方法进行了对比分析。基于云模型的层次图像分割方法用概念跃升的方法进行层次构建，得到不同层次图像概念的表达，较好地处理了图像分割中的不确定性，以及层次图像分割的粒度。

关键词：图像分割；云模型；层次；系统树图；阈值；高斯混合模型