項 立
(湛江師范學(xué)院,廣東 湛江 524048)
在計算機(jī)圖像處理中,Bayesian算法進(jìn)行計算機(jī)圖像處理的應(yīng)用相對比較常見,它對于實現(xiàn)計算機(jī)圖像處理具有相對較為突出的作用和優(yōu)勢。將MCMC算法引入到計算機(jī)圖像處理技術(shù)中,實現(xiàn)Bayesian算法與MCMC算法聯(lián)合應(yīng)用進(jìn)行計算機(jī)圖像處理的情況,在實際應(yīng)用中還相對較少。但是,根據(jù)相關(guān)仿真研究結(jié)果表明,應(yīng)用Bayesian-MCMC算法進(jìn)行計算機(jī)圖像處理,在進(jìn)行圖像處理的計算中只需要通過相對較少的迭代次數(shù),就能夠?qū)崿F(xiàn)計算機(jī)圖像處理的計算實施,再加上Bayesian-MCMC算法進(jìn)行計算機(jī)圖像處理應(yīng)用中,具有相對較為簡單的跳轉(zhuǎn)核過程,使得Bayesian-MCMC算法進(jìn)行計算機(jī)圖像處理應(yīng)用不僅計算效率比較高,并且計算過程簡單,應(yīng)用優(yōu)勢相對較為突出。下文將對于Bayesian-MCMC算法在計算機(jī)圖像處理中的應(yīng)用進(jìn)行分析論述,以促進(jìn)計算機(jī)圖像處理技術(shù)的發(fā)展提升。
計算機(jī)圖像處理技術(shù)作為計算機(jī)應(yīng)用技術(shù)與現(xiàn)代化信息技術(shù)發(fā)展推動下實現(xiàn)的一種技術(shù)手段,在實際中的應(yīng)用不僅廣泛并且比較常見。應(yīng)用計算機(jī)圖像處理技術(shù)實現(xiàn)圖像處理的過程,實際上就是一個二維矩陣生成實現(xiàn)的過程。通常情況下,計算機(jī)中二維矩陣的生成與實現(xiàn)過程,通常需要經(jīng)過掃描以及采樣、量化這三個步驟。其中,進(jìn)行計算機(jī)掃描中,需要注意對于計算機(jī)進(jìn)行圖像掃描的順序進(jìn)行把握,需要和事先決定好的圖像掃描順序要保持一致。其次,進(jìn)行計算機(jī)圖像處理中的二維矩陣生成采樣過程,主要是處理圖像的像素位置上進(jìn)行灰度值的測量,而像素是掃描步驟中的每一個最小尋址單位,通常情況下,在計算機(jī)圖像處理中采樣步驟多是借助光電傳感器完成實現(xiàn)的。值得注意的是,計算機(jī)圖像處理中,進(jìn)行采樣的目的就是進(jìn)行灰度值的獲取,而最終通過量化過程將采樣得到的灰度值轉(zhuǎn)化成為離散的整數(shù)值。因此,進(jìn)行計算機(jī)圖像處理的過程就可以理解為通過矩形掃描網(wǎng)格對于圖像進(jìn)行掃描,從而獲得一個二維整數(shù)矩陣,這個二維矩陣與進(jìn)行掃描的圖像之間是相互對應(yīng)的關(guān)系,所以說計算機(jī)圖像也就是對于圖像進(jìn)行數(shù)字化之后生成的二維整數(shù)矩陣。如下圖1所示,即為計算機(jī)圖像處理系統(tǒng)圖像處理過程示意圖。

圖1 計算機(jī)圖像處理系統(tǒng)圖像處理過程示意圖
Bayesian算法即為貝葉斯分類計算方法,它在進(jìn)行計算機(jī)圖像處理應(yīng)用時,進(jìn)行分類判斷的主要依據(jù)主要是結(jié)合貝葉斯定理實現(xiàn)的,如下公式(1)所示,即為貝葉斯分類的計算公式。

在應(yīng)用Bayesian算法進(jìn)行計算機(jī)圖像處理應(yīng)用時,主要是將圖像作為一個以某種規(guī)律進(jìn)行隨機(jī)分布實現(xiàn)的矩陣,其中各個像元都是一個隨機(jī)的變化量,并且屬于一定的變化類別,而不同的類別則是多個互不相容的事件,因此,在進(jìn)行計算機(jī)圖像處理中,就可以通過應(yīng)用Bayesian算法進(jìn)行計算機(jī)圖像的處理,在這種情況下,可以將上示的貝葉斯分類計算機(jī)公式(1)轉(zhuǎn)換成為如下(2)所示公式。

在上示公式(2)中,ωi表示的是分類目標(biāo),其中,i可以為1,2,3……n,而X表示的是經(jīng)過特征抽取后得到的特征值或者是持分類像元的灰度值,P則表示在類別i中X進(jìn)行出現(xiàn)的條件概率,而P(ωj)則表示類別i在圖像中出現(xiàn)的先驗概率,并且全部類別的先驗概率之和為1,其中P(X|ωi)表示的是歸屬概率,也就是表示像元X歸屬于每一類別的概率情況,在已知條件概率與先驗概率的情況下,就可以得出歸屬概率的結(jié)果值,根據(jù)這一分類原理與計算方法,就能夠?qū)τ谟嬎銠C(jī)圖像進(jìn)行分類處理,以滿足相關(guān)的圖像處理要求。
MCMC算法為隨機(jī)模擬法和馬爾卡夫鏈原理相結(jié)合應(yīng)用實現(xiàn)的一種計算方法。根據(jù)貝葉斯分類法的相關(guān)原理,在進(jìn)行邊際后驗密度以及函數(shù)的各種矩、正則因子的情況下,可以通過隨機(jī)模擬法進(jìn)行計算處理,如下公式(3)所示,即為隨機(jī)模擬法進(jìn)行積分計算的主要公式。

在上述計算公式中,p(x)表示的是概率密度函數(shù),x表示的是隨機(jī)變量,而保證上一公式成立的前提條件,需要在樣本選擇時從具有平穩(wěn)分布規(guī)律特征的概率密度函數(shù)的馬爾卡夫鏈中進(jìn)行考慮。
根據(jù)上述Bayesian算法與MCMC算法在計算機(jī)圖像處理中的應(yīng)用情況,將兩種方法聯(lián)合應(yīng)用實現(xiàn)計算機(jī)圖像處理的過程步驟為:首先,在某一時刻進(jìn)行合適的馬爾卡夫鏈建立,同時確定轉(zhuǎn)移核,并進(jìn)行與其相對應(yīng)的平穩(wěn)分布情況確定;然后,將建立馬爾卡夫鏈時刻中的某一點作為出發(fā)點,通過上述步驟中的馬爾卡夫鏈進(jìn)行序列構(gòu)建;最后,在進(jìn)行預(yù)算實施過程中,應(yīng)注意對于之前的預(yù)算迭代值進(jìn)行去除,根據(jù)這一計算應(yīng)用過程步驟,可以得出如下(4)所示預(yù)算公式,即為Bayesian-MCMC算法進(jìn)行計算機(jī)圖像處理的計算原理。
應(yīng)用Bayesian-MCMC算法進(jìn)行計算機(jī)圖像處理中,主要是對于計算機(jī)圖像的分辨率進(jìn)行處理,其中Bayesian算法能夠?qū)τ趫D像的形狀特征進(jìn)行提取,以實現(xiàn)對于圖像分辨率的處理。

總之,應(yīng)用Bayesian-MCMC算法進(jìn)行計算機(jī)圖像處理,不僅計算處理的過程比較簡單,并且計算處理的效率也比較高,具有較為突出的作用優(yōu)勢,研究分析價值意義比較高。
[1]周翔,方文俊,羅斌,湯進(jìn).基于血流模型和貝葉斯的紅外人臉識別[J].計算機(jī)技術(shù)與發(fā)展,2013(11).
[2]楊偉,方濤,許剛.基于樸素貝葉斯的半監(jiān)督學(xué)習(xí)遙感影像分類[J].計算機(jī)工程,2010(20).