当前位置：文档之家 › 基于D-S证据理论的多源图像分割算法

基于D-S证据理论的多源图像分割算法

  • 格式：pdf
  • 大小：177.71 KB
  • 文档页数：3
图 像 的先 验 分 布 ， 利 用 Ｄ— 据 理 论 融合 多 源数 据 的 不 确 定 性 ， 据 置 信 度 最 大 的 原 则 ， 定 多 源 图 像 数 据 的 分 割 标 记 类 并 Ｓ证 依 确
别 。用仿真 图像和 多源遥感 图像 的分割结 果 ， 明了该 算法提供 了更 准确 、 证 可靠 的分割 结果 。
ｂ ｌ ｖ ｒ ｅ ｏ ． Ｔ ｅ ｅ ｐ ｒ ｅ ｔｌ ｅ ｕ ｔ ｎ ｅ ｏ ｍａ ｃ ｈ ｗ ａ ｅａ ｇ ｒ ｈ ｉ ａｉ ． ｅ ｉ ｅｃ ｔ ｒ ｎ ｈ ｘ ｅ ｍ ｎ ｓ ｌ ａ ｄｐ ｒ ｒ ｎ ｅ ｓ ｏ ｔ ｔ ｌ ｏ ｔ ｍ ｖ ｌ ｅ ｉ ｉ ｉ ａ ｒ ｓ ｆ ｈ ｔ ｈ ｉ ｓ ｄ
据 本身并不具备 分割标记的信息 ，这也说 明了图像 的观测数
据 中 含 有 未 知 标 记 类 别 的 不 确 定 性 ，表 现 在 污 染 数 据 事 实 上 可 能 属 于 待 分 割 标 记 类 别 中 的任 何 一 个 类 别 ， 由于 Ｂ ｙｓ 析 ａｅ 分
框 架 不 能 处 理 这 种 未 知 的 不 确 定 性 ，而 Ｄ Ｓ证 据 理 论 能 够 很 —
Ｋｅ ｒ ｓ ｍｕ ｔ ｏ ｒ ｅ ｉ ｇ ｅ ｅ ｔｔ ｎ ｄ ｍｐ ｔｒ ｓ ａ ｅ ｖ ｄ ｎ ｅ ｔ ｅ ｒ ； ＭＲＦ ｍｏ ｅ ； ｃ ｎ ａ ｎ ｔｄ ｇ ｕ ｓａ ｉｔ ｂ ｔ ｎ； ｙ ｗｏ ｄ ： ｌ ｓ ｕ ｃ ｍａ ｅ ｓ ｇ ｎ ｉ ； ｅ ｓｅ－ ｈ ｆ ｒｅ ｉ ｅ ｃ ｏ ｙ ｉ ｍ ａ ｏ ｈ ｄｌ ｏ ｔ ｍｉ ａ ｅ ａ ｓ ｉｎ ｄ ｓｒ ｕ ｉ ｉ ｏ
维普资讯
第 ２ 卷 第 １ 期 ８ ３
ＶＯ ． ８ １２ ＮＯ． ３ １
计 算 机 工程 与 设 计
Ｃｏ ｕ ｅ ｇ ｎ ｅ ｎ ｎｄＤｅ ｉ ｎ ｍｐ ｔｒＥｎ ｉ ｅ ｒ ｇ ａ ｓ ｇ ｉ
２０ 年 ７ ０７ 月
Ｊ ｌ ０ ７ ｕｙ ２ ０
Ｓ ＯＮ Ｇ ｉｇ ｎ ， ＧＵＯ ｉ Ｚｈ— ａ ｇ Ｌｎ
（ ｅａｔ ｎ ｏ Ｃ ｍｐ ｔ ｃ ｎｅ ｎ ｅｈ ｏ ｇ，Ｎａｊ ｇ ｉｅ ｉ ，Ｎａｊ ｇ １０ ３ ｈｎ） Ｄ ｐ ｒ ｔ ｆ ｏ ｕｅ Ｓ ｉ ｃ ｄ ｃｎ ｌ ｙ ｍｅ ｒ ｅ ａ Ｔ ｏ ｎｉ ｖ ｒｔ ｎ Ｕｎ ｓｙ ｎｉ ０ ９ ，Ｃ ｉ ｎ２ ａ
高 斯 分 布 模 型 的不 一 致 性 ，可 靠 的 图 像 分 割 算 法 必 须 考 虑 不 符 合 假 设 高 斯 分 布 的 异 常 观 测 值 因 而 本 文 采 用 被 污 染 的 高 ， 斯 分布 描 述 待 分 割 图 像 。而 使 用 被 污 染 的高 斯 分 布 所 带来 的 后 果 是传 统 的 Ｂ ｙｓ 析框 架 不 再 适 用 ， 主 要 是 由于 污 染数 ａｅ 分 这
关键词 ： 多源图像分割 ；Ｄ— Ｓ证据理论 ；ＭＲ Ｆ模型 ； 污染 的 高斯模 型； 图像 融合
中图法分类 号： Ｐ ９ ．１ Ｔ ３１ ４
文献标识 码： Ａ
文章编 号： ００７ ２ ２ ０ ） ３３ ５ —３ １０—０４（０７ １—１４０
Ｍ ｕ ｔ ｏ ｒ ｅｉ ｇ ｅ ｍｅ ｔｔ ｎ ｂ ｓ ｄｏ ｅ ｓｅ －ｈ ｆｒｅ ｉ ｅ ｃ ｅ ｒ ｌｓｕｃ ｉ ｍａ ｅｓ ｇ ｎ ａｉ ａ ｅ ｎｄ ｍｐ ｔｒｓ ａ ｅ ｖ ｄ ｎ ｅｔ ｏ ｙ ｏ ｈ
ｉ ｇ ｓｏ ｍａ ｅｆ ｉｎ ｕ
０ 引 言
图 像 分 割 是 计 算首 要任 务 ， 图像 分 割 质 量 的好 坏 对 后 续 处 理 影 响极 大 ，
但 要 提 高 分 割 质 量 却 又 十 分 困难 。 着 图像 传 感 器 技 术 的 发 随
ａ ｏ ｔｄｔ ｅ ｃ ｂ ｎ ｍｂ ｎ ｅ ｎ ｅ ｔｉｔ ｆ ｄ ｐ ｅ ｄ ｓ ｒ ｅ ｄｃ ｏ ｉ ａ ｏ ｉ ｅｔ ｃ ｒａｎｙ ｏ ｍｕ ｔ ｏ ｒ ｅｉ ｇ ｓ ｈ ｅｓ ｇ ｅ ｔｔ ｎｍａ ｋ ｒ ｌ ｓ ｂ ｉ ｅ ａ ｅ ｎｔ ｅｍａ ｉ ｍ ｈ ｕ ｌｓ ｕｃ ｉ ｍａ ｅ ．Ｔ ｍ ｎ ａ ｉ ｒ ｅ ａ ｓ ｓ ｔ ｎ ｄｂ ｓ ｄｏ ｘ ｍｕ ｅ ｏ ｃ ｉｏａ ｈ
Ａｂ ｔ ａ ｔ Ａ ｅ ｒ ｌ ｂ ｅａ ｇ ｒ ｈ ｆ ｒｍｕｔｓ ｕ ｃ ｍａ ｅ ｓ ｇ ｅ ｔｔ ｎ ｉ ｐ ｏ ｏ ｅ ． Ｃｏ ｔ ｍｉ ａｅ ａ ｓ ｉ ｎ ｄ ｓｒ ｕ ｉｎ ｍｏ ｅ ｓｔ ｅ ｓｒ ｃ ： ｎ ｗ ｅｉ ｌ ｌ ｏ ｔ ｍ ｌ ｏ ｒ ｅｉ ｇ ｅ ｍ ｎ ａ ｉ ｒ ｐ ｓ ｄ ａ ｉ ｏ ｉ ｏ ｓ ｎ ａ ｎ ｔｄ ｇ ｕ ｓａ ｉｔ ｂ ｔ ｄ ｌ ｉ ｏ ｈ
基于 Ｄ Ｓ — 证据理论的多源图像分割算法
宋 志 刚， 郭 林
（ 南京 大 学 计算 机科 学与技 术 系，江 苏 南京 ２０９） １０３
摘 要： 针对 多源 图像 分割 问题 ， 出了一种可 靠的分割 算法 。采用 被 污染的 高斯分 布描 述待 分割 图像 ， Ｆ 型描 述分割 提 ＭＲ 模
ｏ ｓ ｒ ｅ ｇ ｓ ｉ ｅｐ ｏ ｅ ｅ ｔｔ ｎ ｉ ｇ ｄ ｌｄ ｂ Ｒ ｄ ｌ ｉｔ ｂ ｔ ｎ Ｔ ｅｄ ｍｐ ｔ ｒｓ ａ ｅ ｖ ｄ ｎ ｅ ｔ ｅ ｒ ｂ ｅｖ ｄｉ ｍａ ｅ ｌ ｔ ｒ ｒｓ ｇ ｎ ａ ｉ ｗｈ ｅｈ ｉ ｍ ｏ ｍａ ｅｉ ｍｏ ｅｅ ｙ ａ Ｍ Ｆ ｍｏ ｅ ｓ ｉ ｕ ｉ ． ｈ ｅ ｓｅ —ｈ ｆｒｅ ｉ ｅ ｃ ｏ ｙ ｉ ｓ ｄ ｒ ｏ ｈ ｓ

合集下载

基于D-S证据理论的多源遥感图像目标数据联合关联算法

基于D-S证据理论的多源遥感图像目标数据联合关联算法

基于D-S证据理论的多源遥感图像目标数据联合关联算法汤亚波;徐守时
【期刊名称】《中国科学技术大学学报》
【年(卷),期】2006(036)005
【摘要】以遥感图像目标识别结果为主,结合卡尔曼滤波器获得的目标运动状态估计结果,提出一种基于D-S证据理论的目标数据联合关联算法.蒙特卡罗模拟实验结果表明,该方法稳定性较强,适合于对海上船舶等遥感图像目标的持续跟踪.
【总页数】6页(P466-471)
【作者】汤亚波;徐守时
【作者单位】中国科学技术大学电子工程与信息科学系,安徽,合肥,230027;中国科学技术大学电子工程与信息科学系,安徽,合肥,230027
【正文语种】中文
【中图分类】TP751.1
【相关文献】
1.基于D-S证据理论的阵群目标数据关联算法 [J], 赵帮绪;杨宏文
2.基于D-S证据理论的无源航迹关联算法 [J], 颜坤玉;王杰贵;白日辉
3.基于证据理论的多特征联合数据关联算法研究 [J], 郑浩;王笛
4.基于证据理论的联合概率数据关联算法 [J], 康健;李一兵;林云;谢红
5.基于D-S证据理论的装备维修性多源数据融合方法 [J], 徐达;关矗;周诚
因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进后的D-S算法在图像分割技术中的应用

基于改进后的D-S算法在图像分割技术中的应用

基于改进后的D-S算法在图像分割技术中的应用作者：金荣来源：《大经贸》 2019年第6期金荣【摘要】图像分割是计算机视觉中的经典问题，在许多领域都有重要应用。

由于图像信息存在不确定性，难以获得精确的分割结果，为应对图像分割中的不确定性问题，将证据理论这一不确定性建模与推理工具与马尔可夫随机场相结合，提出证据马尔可夫随机场(EMRF)模型，并基于此提出新的图像分割算法。

EMRF利用证据标号场描述像素标号的含混性，以证据距离描述相邻像素间的标号关系，利用条件迭代模型(ICM)算法进行优化。

【关键词】图像分割证据理论证据马尔可夫随机场一、引言图像分割是计算机视觉中一项基本却又具挑战性的问题。

分析和理解一幅图像时，通常关注有相似特征的特定区域，图像分割即是将图像划分为具有各自不同相似特征区域的过程，是计算机视觉中阶、高阶处理的前提和基础。

图像分割广泛应用于遥感图像分析和医学图像分析等领域，如植被检测、核磁共振脑组织分析和基于遥感图像分割的飞行器监测等。

由于在界定图像边界、区域和纹理等图像特征时存在不确定性，在图像分割中准确地标记像素是一项具有挑战性的工作。

早期的方法包括阈值法、基于边缘的方法、基于区域的方法和混合方法等。

这些方法中像素被独立地进行分割判别，由于忽视了相邻像素间的相关性而无法获得满意的分割结果。

针对这一问题，马尔可夫随机场(MRF)模型应运而生，并引发广泛的关注。

然而，传统MRF在每步迭代过程中被视作一种硬分割方法，由于图像中噪声的影响和相邻区域在交界处的高度相似性，像素类别通常是含混的，无法明确地指出其分割归属，MRF在中间步骤中的硬分割易造成信息的丢失。

为了避免在中间步骤出现硬分割，Salzenstein等提出模糊马尔可夫随机场(FMRF)模型，使用模糊隶属函数描述像素标号。

该方法在某些情况中得到比传统MRF更好的分割结果。

实际上，像素标号存在的不确定性更多地是含混性而非模糊性。

Dempster-Shafer(D-S) 证据理论正是处理含混性的有力的理论工具和方法，适用于描述图像分割过程中的不确定性。

基于D-S证据理论的多特征融合SAR图像目标识别方法

基于D-S证据理论的多特征融合SAR图像目标识别方法

基于D-S证据理论的多特征融合SAR图像目标识别方法童涛;杨桄;李昕;叶怡;王寿彪【期刊名称】《国土资源遥感》【年(卷),期】2013(025)002【摘要】针对应用单特征SAR图像进行目标识别准确率低的问题,提出了一种将支持向量机(support vector machine,SVM)和D-S证据理论(Dempster-Shafer,D-S)相结合的多特征融合SAR图像目标识别方法.该方法在对SAR图像预处理的基础上,提取目标的纹理、Hu不变矩和峰值特征,并分别以这3类单特征的SVM分类结果作为独立证据,构造基本概率指派,通过D-S证据的组合规则进行融合,并根据分类判决门限给出最终的目标识别结果.将该方法用于SAR图像上的3类目标识别,识别率达95.5％,表明该方法是一种有效的SAR图像目标识别方法.【总页数】5页(P37-41)【作者】童涛;杨桄;李昕;叶怡;王寿彪【作者单位】空军航空大学航空航天情报系,长春 130022;空军航空大学航空航天情报系,长春 130022;空军航空大学训练部,长春130022;空军航空大学航空航天情报系,长春 130022;空军航空大学航空航天情报系,长春 130022【正文语种】中文【中图分类】TP751.1【相关文献】1.基于D-S证据理论的红外小目标识别方法 [J], 杨莘元;卓志敏;赵坤;池庆玺2.基于D-S证据理论的多特征融合纸币真伪识别方法研究 [J], 张玉欣;孙浩3.基于BP神经网络和改进D-S证据理论的目标识别方法 [J], 张志;杨清海4.一种基于D-S证据理论的融合RGB特征和Depth特征的3D目标识别方法 [J], 杨慧;胡良梅;张旭东;陈仲海;董文菁5.基于SVM和D-S证据理论的多特征融合杂草识别方法 [J], 李先锋;朱伟兴;孔令东;花小朋因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进后的D-S算法在图像分割技术中的应用

基于改进后的D-S算法在图像分割技术中的应用

未来也可以将改进后的D-S算法应用于更多领域，如医学影像分割、自动驾驶、环境监测等，为人类生活和工作带来更多便利。可以与其他相关领域，如模式识别、图像处理等领域进行深度融合，推动整个人工智能领域的发展。
基于改进后的D-S算法在图像分割技术中的应用有着巨大的发展空间，未来的发展方向是不断优化算法，拓展应用领域，提高分割效果，推动人工智能技术的进步。期待未来更多关于图像分割技术的创新和突破，为我们的生活和工作带来更多惊喜和便利。
目前，基于改进后的D-S算法的图像分割方法已经取得了一些进展。这些方法在处理复杂图像时能够更准确地识别目标，并且具有更快的速度和更低的计算成本。这些方法仍然存在一些问题，如对噪声和边缘模糊的敏感性等。
研究人员正在不断努力改进和优化基于D-S算法的图像分割方法，以提高其准确性和效率。未来，随着硬件和算法的进一步发展，我们有理由相信基于改进后的D-S算法的图像分割技术将会得到更广泛的应用，并在图像处理领域取得更大的突破。
1.3 研究现状
图像分割是计算机视觉领域的一个重要问题，在图像处理和分析中具有广泛的应用。目前，研究人员提出了许多不同的图像分割方法，其中一种常用的方法是基于Dempster-Shafer（D-S）理论的算法。
D-S算法是一种基于概率理论的数据融合算法，可以用于处理不确定性和冲突信息。传统的D-S算法在处理大规模数据时存在计算复杂度高和效率低的问题。研究人员不断对D-S算法进行改进，以提高其在图像分割中的应用效果。
2.3 基于改进后的D-S算法的图像分割方法
对图像进行预处理，包括去噪、增强、尺寸调整等操作，以提高后续分割算法的准确性和效率。
利用改进后的D-S算法进行图像分割。改进后的D-S算法通常采用了加权信息熵或模糊相似度等方法来提高原始D-S算法的分割效果。该算法在计算像素之间的相似性时，考虑了像素之间的空间关系和灰度值之间的相似度，以更准确地划分图像。