基于贝叶斯估计的多类间方差目标提取*
2020-09-01凤鹏飞
弹箭与制导学报 2020年2期
关键词:效果
石 爽,凤鹏飞,孙 茜
(1 安徽三联学院, 合肥 230601; 2 安徽三联集团博士后工作站,合肥 230000)
0 引言
随着数字成像技术的发展,图像在军事、民用领域的应用越来越广泛。如何在图像中提取目标倍受学者的关注。目标提取的过程实际上就是图像分割的过程。常用的分割方法有:双峰法、类间方差阈值分割法、模糊阈值分割法等。类间方差法仅对类间方差为单峰的图像产生较好的分割效果,当图像呈现双峰或多峰时效果不好,同时,该方法受获取图像的自然环境影响最大,分割的准确率较低[1]。有不少学者对其进行过改进。吴骏等将拉普拉斯能量应用于PCNN链接强度的自适应设置[2],该方法受噪声影响较大;石爽等通过加入背景大小估值和迭代来约束类间方差分割[3],当目标灰度高于背景时效果较好,但目标灰度值处于背景中间时效果较差;李擎等通过全局最大类间方差和高斯函数拟合确定分割的阈值范围[4],该方法在手势图像分割中效果较好,但处理复杂背景图像效果不佳;李景刚等综合考虑类间与类内方差进行水体提取[5],该方法对复杂背景缺乏自适应性;李敏等利用灰度均值和灰度均方差代替类间方差[6],该方法对图像本身要求严格,普适性不高。文中提出多类间方差分割法,该算法不仅对目标与背景差异较大的图像有较好的分割作用,而且对于目标灰度分类不属于极大或极小类的图像也有较好的分割作用。
1 多类间方差法
利用最大类间方差准则确定分割的最佳阈值,基本思想是对图像像素进行分类,通过分类得到的各类之间的距离达到最大来确定合适的分割阈值。……
登录APP查看全文
