计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2010年
8期
1329-1337
,共9页
图像分割%自动阈值选择%相关向量机%支持向量回归%稀疏核机
圖像分割%自動閾值選擇%相關嚮量機%支持嚮量迴歸%稀疏覈機
도상분할%자동역치선택%상관향량궤%지지향량회귀%희소핵궤
图像阈值化是一种直观有效的图像分割技术,在图像分析、模式识别及计算机视觉中具有重要应用.传统的阈值化方法通常基于某个特定的优化问题,需要在整个灰度范围内搜索最佳阈值(或阈值组合).最近,基于支持向量回归(SVR)的多阈值分割算法,直接从支持向量(SV)中获得阈值信息,无需对图像施加任何先验假设,并避免了繁琐的优化过程.然而:1.如何从众多SV中获得可靠的阈值尚待解决(SVR阈值方法的公开问题);2.虽然SVR阈值技术避免了传统多阈值算法可能出现的组合优化问题,但是其中超参数的选择往往需要耗时的交叉验证;3.算法在单峰直方图情形下失效.针对这些问题,并受相关向量机(RVM)方法的启发,提出了一种新的基于RVM的多阈值自动选择技术.由于RVM可以极大地约减"SV"数目,并且无需交叉验证进行参数调整,使得最终阈值的确定更加高效、可靠且异常容易;另外所提算法能有效地处理单峰直方图情形,使阈值分割具有更强的适应性.实验表明基于RVM的阈值技术不仅保留了SVR阈值技术的优点,而且解决了其中的公开问题,并显著地提高了算法的效率和适应能力.
圖像閾值化是一種直觀有效的圖像分割技術,在圖像分析、模式識彆及計算機視覺中具有重要應用.傳統的閾值化方法通常基于某箇特定的優化問題,需要在整箇灰度範圍內搜索最佳閾值(或閾值組閤).最近,基于支持嚮量迴歸(SVR)的多閾值分割算法,直接從支持嚮量(SV)中穫得閾值信息,無需對圖像施加任何先驗假設,併避免瞭繁瑣的優化過程.然而:1.如何從衆多SV中穫得可靠的閾值尚待解決(SVR閾值方法的公開問題);2.雖然SVR閾值技術避免瞭傳統多閾值算法可能齣現的組閤優化問題,但是其中超參數的選擇往往需要耗時的交扠驗證;3.算法在單峰直方圖情形下失效.針對這些問題,併受相關嚮量機(RVM)方法的啟髮,提齣瞭一種新的基于RVM的多閾值自動選擇技術.由于RVM可以極大地約減"SV"數目,併且無需交扠驗證進行參數調整,使得最終閾值的確定更加高效、可靠且異常容易;另外所提算法能有效地處理單峰直方圖情形,使閾值分割具有更彊的適應性.實驗錶明基于RVM的閾值技術不僅保留瞭SVR閾值技術的優點,而且解決瞭其中的公開問題,併顯著地提高瞭算法的效率和適應能力.
도상역치화시일충직관유효적도상분할기술,재도상분석、모식식별급계산궤시각중구유중요응용.전통적역치화방법통상기우모개특정적우화문제,수요재정개회도범위내수색최가역치(혹역치조합).최근,기우지지향량회귀(SVR)적다역치분할산법,직접종지지향량(SV)중획득역치신식,무수대도상시가임하선험가설,병피면료번쇄적우화과정.연이:1.여하종음다SV중획득가고적역치상대해결(SVR역치방법적공개문제);2.수연SVR역치기술피면료전통다역치산법가능출현적조합우화문제,단시기중초삼수적선택왕왕수요모시적교차험증;3.산법재단봉직방도정형하실효.침대저사문제,병수상관향량궤(RVM)방법적계발,제출료일충신적기우RVM적다역치자동선택기술.유우RVM가이겁대지약감"SV"수목,병차무수교차험증진행삼수조정,사득최종역치적학정경가고효、가고차이상용역;령외소제산법능유효지처리단봉직방도정형,사역치분할구유경강적괄응성.실험표명기우RVM적역치기술불부보류료SVR역치기술적우점,이차해결료기중적공개문제,병현저지제고료산법적효솔화괄응능력.