考虑渐近有效估计的Probit模型阈值分割算法_王俊彦.pdf
《考虑渐近有效估计的Probit模型阈值分割算法_王俊彦.pdf》由会员分享,可在线阅读,更多相关《考虑渐近有效估计的Probit模型阈值分割算法_王俊彦.pdf(4页珍藏版)》请在咨信网上搜索。
1、基金项目:“互联网+”背景下民办高校高等数学课程思政教学改革研究与实践;基金号:JGJX2021D493收稿日期:20210413修回日期:20210528第 40 卷第 2 期计算机仿真2023 年 2 月文章编号:10069348(2023)02026104考虑渐近有效估计的 Probit 模型阈值分割算法王俊彦,李凤萍(长春工业大学人文信息学院,吉林 长春 130122)摘要:针对传统分割方法存在分割后结构相似度低、峰值信噪比低和分割效果差的问题。提出考虑渐进有效估计的 Probit模型阈值分割算法。对图像的光度和几何信息进行聚类处理,根据纹理特征和边缘特征划分图像,根据图像划分结果和图
2、像的噪声水平对字典进行训练获得稀疏表示先验,结合非局部相似先验建立变分模型,采用迭代重新加权算法求解模型,消除图像中存在的噪声。在混合差分背景分割原理的基础上对图像做分割和匹配处理,通过角点检测方法渲染图像纹理,对图像进行帧分解,提取图像的像素特征。考虑渐进有效估计,构建基于 Probit 模型的图像阈值分类器,将获取的像素特征输入分类器中,完成图像分割。仿真结果表明,所提方法的图像结构相似度高、峰值信噪比高、分割效果好。关键词:渐进有效估计;图像去噪;像素特征提取;图像分割中图分类号:TP391文献标识码:BProbit Model Threshold Segmentation Algori
3、thm ConsideringAsymptotically Effective EstimationWANG Junyan,LI Fengping(College of Humanities and Information,Changchun University of Technology,Changchun Jilin 130122,China)ABSTACT:Traditional segmentation methods have the problems of low structure similarity,low peak signaltonoise ratio and poor
4、 segmentation effect A threshold segmentation algorithm based on Probit model is proposed First-ly,the photometric and geometric information of the image was clustered The image was divided according to the tex-ture and edge features The dictionary was trained according to the image segmentation res
5、ults and the noise level ofthe image to obtain the sparse representation prior Combined with the nonlocal similarity prior,the variational modelwas established,and the iterative reweighting algorithm was adopted The model was solved to eliminate the noise inthe image Based on the principle of hybrid
6、 differential background segmentation,the image was segmented andmatched,the image texture was rendered by the corner detection method,the image was decomposed into frames,andthe pixel features of the image were extracted Considering the progressive effective estimation,an image thresholdclassifier
7、based on Probit model was constructed,and the obtained pixel features were input into the classifier to com-plete the image segmentation The simulation results show that the proposed method has high SN and good segmenta-tion effectKEYWODS:Asymptotically effective estimation;Image Denoising;Pixel fea
8、ture extraction;Image segmentation1引言在大部分图像处理领域中都涉及了图像分割,分割图像获得若干个互补相交的区域,在上述区域中属相特征存在差异1。对外界环境进行观察的过程中,人类的视觉系统会对观察到的景物进行自动分割处理,获得多个内容不同的像元阵列。图像分割的主要过程就是用像元集合描述图像内容,每个集合中存在的内容都有所差异2。综上所述,图像分割是重要内容,在图像分析和图像处理领域中占据着重要地位,需要对图像分割算法进行分析和研究。钟忺3 等人提出基于贝叶斯及超像素合并的图像分割算法,首先在 Mean Shift 算法的基础上对图像进行超像素分割处理,在图像中
9、利用贝叶斯聚类模型对超像素对应的空间信息进行融合处理,完成图像的分割处理,该算法在超像素162分割过程中容易受到图像噪声的影响,导致超像素分割精度差,降低了图像的结构相似度。王燕4 等人提出基于马尔科夫随机场的图像分割算法,该算法将模糊 C 均值算法与随机场的先验概率相融合,并利用改进后的算法构建图像分割目标函数,实现图像分割,该算法构建图像目标函数时,没有考虑到图像中存在的噪声,图像的峰值信噪比较低。王慧斌5 等人提出基于纹理特征的图像分割算法,该算法提取图像的颜色和纹理信息,获得联合分布,并将其引入能量函数中,通过最小化能量函数完成图像的分割,该方法提取的图像颜色和纹理信息中存在噪声,在分
10、割过程中受到噪声的影响,导致图像分割效果差。为了解决上述方法中存在的问题,对渐进有效估计进行考虑,提出基于 Probit 模型的图像阈值分割算法。2图像去噪方法考虑渐近有效估计的 Probit 模型阈值分割算法在非局部相似性原理的基础上对图像进行分组处理。对核回归系数进行调整,描述图像的几何信息,通过学习与训练获得字典。将图像组划分为:边缘类别、平滑类别和纹理类别,确定原子在字典中的大小6。根据字典构建变分模型,通过求解模型获得去噪后的图像。1)图像分组设 Y=X+V 代表的是存在噪声的图像;XMN描述的是清晰的图像。将像素点 yi作为中心,在含噪图像 Y 中随机提取大小为n n 的图像块,此
11、时含噪图像可以表示为 Y=y1,y2,yMN。用 x(i,j)描述像素点(i,j)在 X 的灰度值,(i,j)1,2,M;用 y(i,j)描述像素点(i,j)在 Y 中的灰度值。通过下述公式对点(i,j)和点(i,j)周围结构的相似程度进行计算d=|u0(i+k1,j+k2)u0(i+k1,j+k2)|2w(i,j),(i,j)=exp(k1,k22)(ga d)h2 (1)式中,ga代表的是高斯核函数,其标准差为 a;2代表的是中心点为(i,j)、大小为 5*5 或 7*7 的局部区域;参数 h 能够对指数函数衰减速度进行控制。考虑渐近有效估计的 Probit 模型阈值分割算法加权处理几何相
12、似度特征 wi和光照特征构成联合特征向量 fifi=yi+(1)wi(2)式中,代表的是在区间 0,1 内取值的权重因子,图像块通过 Kmeans 聚类算法进行分组。设 G 代表的是簇的数目,通过 G 构成噪声图像 Y=Gi=1 yi。2)原子尺寸字典为了稀疏表示图像,自适应的为图像组学习字典,构成图像去噪模型Di=arg minDiYi DiAi22(3)式中,Di为通过第 i 个图像组获得的字典;Yi=yi,1,yi,2,yi,m 描述的是图像组对应的序号;m 描述的是块在第 i 个图像组中对应的序号;i 为图像组对应的序号;Ai=a1,a2,am 代表的是稀疏编码系数。设 ygc代表的是
13、可以描述组整体信息的图像组 Yg对应的质心,其计算公式如下ygc=mi=1yim(4)式中,m 代表的是图像块在组 Yg中的数量。在数理统计的基础上考虑渐近有效估计的 Probit 模型阈值分割算法利用变化系数对图像进行分组,在根据区域平均值和区域标准偏差计算区域对应的同质性7 cv(i)=S(I)ave(I)(5)式中,I 描述的是方形区域,该区域的中心为 yi。利用加权系数计算字典原子在不同图像组中对应的尺寸 sizesize=0.6 s纹理细节1.0 s边缘1.4 s平滑区域(6)式中,参数 s 可通过噪声均方差 计算得到。3)变分模型考虑渐近有效估计的 Probit 模型阈值分割算法通
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 考虑 渐近 有效 估计 Probit 模型 阈值 分割 算法 俊彦
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。