基于鄰域場拉普拉斯混合模型圖像分割的研究

羅雷，王士同

江南大學 數字媒體學院，江蘇 無錫 214122

基于鄰域場拉普拉斯混合模型圖像分割的研究

羅雷，王士同

江南大學 數字媒體學院，江蘇 無錫 214122

1 引言

在影像識別和圖像處理中圖像分割技術已經得到廣泛應用，好的分割結果能夠為信息判斷提供有力的依據。然而圖像很容易受到噪聲的影響，這就給圖像分割帶來一定的難度。為了解決這個問題，一些方法相繼得到應用，如模糊聚類[1-2]、直方圖[3]、人工神經網絡[4]以及有限混合模型[5]。其中有限混合模型由于其復雜度僅與待求解的問題有關，與樣本大小無關，并且兼具有參估計和無參估計的特點得到了廣泛應用[6-7]，另外它還是一種半參數估計方法，并不局限于某一特定方法。高斯混合模型是一種常見的有限混合模型，它憑借其形式簡單、計算方便等特點，已成為應用比較普遍的有限混合模型。相比較標準高斯混合模型（GMM）中像素點有共同的先驗概率πj，新型高斯混合模型（GMM）[8]先驗概率πij取決于像素點鄰域的相互作用，每個像素點有自己獨立先驗概率πij。然而實際中得到的數據大多具有非線性、非高斯特性，而高斯分布擬合能力有限，導致其不能完全、準確、有效地描述這些復雜數據。研究發現，在工程應用中，噪聲模型概率密度分布往往具有比較厚的尾部統計特性[9]。如合成孔徑雷達圖像中，海雜波的尖峰幅度分布情況，都呈現出很多幅度較大的噪聲，此時的噪聲就是重尾噪聲，而不再是高斯噪聲。……