统计区域合并的彩色图像分割算法

针对传统区域合并算法中存在的分割复杂度高、分割精度低的问题,提出一种将统计理论应用于区域合并的彩色图像分割算法,该算法通过建立图像生成模型,得到新的合并预测准则,有效地避免合并过程中可能导致的区域边界破坏,提高分割精度,降低分割复杂度。在对已有算法分析的基础上,提出基于古典概率理论的图像生成模型,重点介绍区域合并思想与统计理论相结合的合并预测准则,该准则是逐步松弛的,确保在无像素遗漏的同时分割的精度。算法不但考虑了像素的相似性,还考虑了空间上的邻接性,因此可以有效消除孤立噪声的干扰。通过与基于连接图的系统工程分割方法比较发现,文中算法的运算时间具有明显优势。实验结果表明,该算法还具有较高的分割精确度和较强的鲁棒性,分割尺度可调。