第28卷第7期 计算机仿真 2011年7月 文章编号：1006-9348(2011)07-0305-04 基于MCMC优化的图像边缘分割方法优化及仿真 尹方平 (广东机电职业技术学院，广东广州510515) 摘要：研究图像边缘分割优化问题，由于图像边缘信息复杂，用传统边缘分割方法，当图像中的物体结构复杂的时侯，会造成 图像像素重叠、粘连等形成干扰的因豪，导致图像边缘分割时错误率较高问题。为解决上述问题，提出一种基于MCMC的灰 度图像分割方法。通过建立四种图像灰度模型和遍历的Markov Chains求解空间，能够避免传统方法由于边缘点粘连不清， 而带来的分割错误问题，最终完成灰度图像的完整高效分料。实验证明，改进方法不仅能实现图像完整分割，而且能具有较 高的分割效率取得了令人满意的效果。 关键词：灰度图像：图像分割：灰度模型 中图分类号：TP317.4 文献标识码：B MCMC-basedOptimization of Edge Segmentation Optimization and Simulation YIN Fang-ping (Guangdong Jidian Ploytechnic,Guangzhou Guangdong 510515,China) ABSTRACT:The Research of image edge segmentation optimization problems.Compared to the traditional edge im- age segmentation method,when the object structure is complex,causing pixels overlap or adhesion,caused image edge the partitioning of the error rate is higher.This paper proposes a method based on MCMC grayscale image seg- mentation method.Through the establishment of four kinds of image grey model and traversal of Markov space,pre- venting the traditional method brings segmentation wrong question because of edge points adhesion not clear,finally complete the integrity of the efficient grayscale image segmentation.Experiment shows that the application of this method can not only realizes image segmentation,but also can complete with high efficiency,the segmentation satis- factory results have been obtained. KEYWORDS:Gray image;Image segmentation;Gray model 1。引言 缘含有丰富的像素信息)。传统的方法通过检测不同区域 图像边缘分割的目的是将图像分成一些互不相交的具 的边缘点来实现对图像的分割。 有某种特征相似性的连通子区域)。以图像的像素为顶点 但是，传统的方法存在一个问题。当图像中的目标物体 构造灰度图像，利用图的分割对像素进行聚类，进而实现图 边缘不规则且形状复杂，图像中像素点繁多，容易造成像素 像的边缘分割是图像分割的关键技术。图像边缘分割技术 的重叠和粘连，通过边缘检测算子提取的边缘点在提取的过 是图像处理系统中必须具备的功能，是图像从处理到分析的 程中很容易发生像素混滑，不能准确显示图像信息，导致出 关键步骤，一直是图像处理技术中的热点和焦点问题)。图 现分割错误率过高的问题。可见，这种边缘检测分割方法 像边缘分割技术在航空航天、生物医学工程、工业检测、机器 适用于边缘较规整的图像，对边缘复杂的图像无法实现完整 人视觉、公安司法、军事制导，文化艺术、地理测绘等领域受 分割。这也成为图像分割领域的一个难点)。 到广泛重视，并取得了重大的开拓性成就，使图像处理成为 针对传统边缘检测分割方法的缺陷，本文提出了一种基 一门引人注目，前景远大的新型学科。传统的基于边缘检测 于Markov Chain Monte Carlo(MCMC)方法的灰度图像分割方 的图像分割方法是利用图像边缘进行分割。边缘是灰度或 法。通过将图像分割问题公式化，建立一致区域图像模型、 颜色值不连续或者至少是特征变化较大的结果，图像中的边 杂乱区域图像模型、纹理区域图像模型、敏感区域图像模型 四种图像模型和遍历的Markov Chains求解空间，这样就避 牧稿日期：2010-12-20焦回日期：2011-06-09 免了对图像边缘点的依赖，通过模型匹配最终能够完成对图 —305- 万方数据
第28卷第7期 计算机仿真 2011年7月 文章编号：1006—9348(2011)07一0305一04 基于MCMC优化的图像边缘分割方法优化及仿真 尹方平 (广东机电职业技术学院，广东广州510515) 摘要：研究图像边缘分割优化问题，由于图像边缘信息复杂，用传统边缘分割方法，当图像中的物体结构复杂的时候，会造成 图像像素重叠、粘连等形成干扰的因素，导致图像边缘分割时错误率较高问题。为解决上述问题。提出一种基于McMC的灰 度图像分割方法。通过建立四种图像灰度模型和遍历的MarIcov Chaim求解空间，能够避免传统方法由于边缘点粘连不清， 而带来的分割错误问题，最终完成灰度图像的完整高效分割。实验证明，改进方法不仅能实现图像完整分割，而且能具有较 高的分割效率，取得了令人满意的效果。 关键词：灰度图像；图像分割；灰度模型 中图分类号：1霸17．4 文献标识码：B MCMC-basedoptimizati伽of Edge Segmentation OptilIlization and Simulation YIN Fang—ping (Gu虮gdong“di锄Ploytechnic，Gu釉铲hou Gu锄gd叩g 510515，chi衄) ABSTI认CT：ne Re8锄h of image edge∞gmentation optimization pmble脚．Compared to出e traditioIlal edge im． age∞gmem砒ion met}埘，when山e object stmctu陀is coI印lex，causing pi)【els oved印or adIlesion，c龇sed irIlage edge tlle partitioIling of the error rate i8 Iligher．Tllis paper pmp08e8 a method based鲫MCMC伊ayscaIe image∞gmentation method．Thmugh the∞tablishment of four kind8 0f image grey model锄d佃aversal of Markov sp明e，pm— v册tiflg￡he椭Iditional met}州酾“铲segmentation w瑚g qu船ti彻bec叫船of edge points adll船i∞肿￡cle盯，6瑚ny complete tlle ime酣ty of the锄cient grayscale in拄Ige 8egmen诅tion．Experiment shows that tlle印plication 0f this nlemod c蚰llot only realizes i心唔e segmentati∞，but also c狮complete with higIl emciency，the segmentati∞satis— fact讲y resuIts have been obtained． KEYWo如S：Gmy im孵；lmge segrnen诅tion；Gray model 1 引言 图像边缘分割的目的是将图像分成一些互不相交的具 有某种特征相似性的连通子区域…。以图像的像素为顶点 构造灰度图像，利用图的分割对像素进行聚类，进而实现图 像的边缘分割是图像分割的关键技术。图像边缘分割技术 是图像处理系统中必须具备的功能，是图像从处理到分析的 关键步骤，一直是图像处理技术中的热点和焦点问题旧1。图 像边缘分割技术在航空航天、生物医学工程、工业检测、机器 人视觉、公安司法、军事制导、文化艺术、地理测绘等领域受 到广泛重视，并取得了重大的开拓性成就，使图像处理成为 一门引人注目、前景远大的新型学科。传统的基于边缘检测 的图像分割方法是利用图像边缘进行分割。边缘是灰度或 颜色值不连续或者至少是特征变化较大的结果，图像中的边 收稿日期：20lO—12—20修回日期：20ll一06—09 缘含有丰富的像素信息p】。传统的方法通过检测不同区域 的边缘点来实现对图像的分割。 但是，传统的方法存在一个问题。当图像中的目标物体 边缘不规则且形状复杂，图像中像素点繁多，容易造成像素 的重叠和粘连，通过边缘检测算子提取的边缘点在提取的过 程中很容易发生像素混淆，不能准确显示图像信息，导致出 现分割错误率过高的问题【4j。可见，这种边缘检测分割方法 适用于边缘较规整的图像，对边缘复杂的图像无法实现完整 分割。这也成为图像分割领域的一个难点”J。 针对传统边缘检测分割方法的缺陷，本文提出了一种基 于Markov Cllain Mome C州o(MCMC)方法的灰度图像分割方 法。通过将图像分割问题公式化，建立一致区域图像模型、 杂乱区域图像模型、纹理区域图像模型、敏感区域图像模型 四种图像模型和遍历的Markov Chains求解空间，这样就避 免了对图像边缘点的依赖，通过模型匹配最终能够完成对图 一305～ 万方数据
像的完整、高效、准确分割。实验证明，这种优化的灰度图像 据式(6)可知(x,y)为图像中所有像素点的信息x,y) 分割方法，能够有效克服传统边缘检测方法对边缘不规则图 是利用边缘检测算法分制出的图像信息。若图像边缘结构 像的分割错误率过高的问题，取得了满意的分割效果，具有 复杂不规则，由边缘检测算法提取出的独立像素点过少，无 很高的实用价值。 法准确显示图像信息，即八x,y)>孔x,y),可知，由式(6)计 算得，G>0,即边缘检测算法无法实现边缘复杂或不规则图 2图像边缘分割原理 像的完整分割。 图像边缘分割的原理是利用图像中的像素点，将图像分 针对边缘检测算法的缺陷，本文提出基于MCMC的图像 割成一些互不相交的，具有某种相似特征的连通子区域。图 分割方法的基本思想是，先将图像分割问题公式化，为了适 像的边缘中含有大量的丰富信息，提取图像边缘像素点，利 应以数据方式存储的灰度图像，将分割问题公式化便于对灰 用边缘闭合技术得到封闭的边缘，完整图像的分制。具体步 度图像进行直接有效地分割。建立灰度图像模型能够避免 骤如下： 对图像边缘独立像素点的依赖，有助于提高边缘不规则图像 1)设A(i,)是图像中所有的像素点，整个连通区域的面 的分割完整度，解决了传统分割方法不能准确分割问题。 积函数是area(A),此函数与图像中像素个数成正比，是关于 像素个数的增函数，X。与Y。是图像中整个连通区域的中点，3MCMC灰度图像分割算法实现 其计算公式为： 3.1图像分割问题公式化 1 图像分割前，将图像领域分割成K个不相交的区城。I X。= (1) area( 表示一幅灰度图像，对于灰度图像中的任何点，山，是灰度级 方∑(i Yo area(A) (2) 图像的像素点灰度值。 根据灰度图像I的所有状态，运用贝叶斯方法推断出所 2)根据步骤一中得到的连通区域的中点，计算出边缘检 有状态耶的解空间2。 测算子的值，根据边缘检测算子对图像中的边缘点进行提 W-p(I o p(II W)p(W),WEn (7) 取。边缘点函数为h(X。,Y。),其值为： 式中，先验概率p()表示为： 1 02贤 h(x,）=2 marca(ha-7 (3) p(xp(IpT,p(Rpp(8,I) 而由边缘点函数得到的边缘检测算子为： (8) oG=a(,)=+ 2t e即-AK--时+y1R1+16,1 2 (4) 似然概率p(I引W)为： noaW2aem话-e品 =1+2 p(IIW)=Πp(lk;8,) (9) 可知边缘点函数只与连通区城中点有关，而与图像中像 通过用数学符号表示灰度图像的各点和像素点灰度值， 素点个数无关。利用边缘检测算子将边缘点提取出来。 并用数学公式将灰度图像所有状态的解空间表示出来，完成 3)将提取出的边缘点，用边缘闭合技术闭合，即得到图 了图像分割问题的公式化，便于对灰度图像进行直接有效地 像的分割图。 分割，克服了传统方法分割完整度不高的问题。 )=宫刘 3.2建立灰度图像模型 (5) 对于自然界中经常会出现的四种图像建立灰度图像模 含的 型，在对灰度图像分割时引用四种基本图像模型，避免了大 量相似图像的重复操作，提高图像分割效率。 为了衡量分割效果，给出分割完整性的错误分割率公 自然界中经常会出现的是纹理区域、明暗区域、杂乱区 式： 域和一致区域。分别对这四种区域建立纹理区域图像模型、 G=x》-s2 (6) 明暗区域图像模型、杂乱区域图像模型和一致区域图像模 分Σ(iw) 型。 N台台 1)纹理区城图像模型 由上述步骤可知，这类传统方法存在一个问题。步骤2) 建立的纹理区域图像模型如式(10)所示： 中通过边缘检测算子得到的边缘点个数h(X。,Y。)只与整个 连通区域的中独立像素点有关，而与图像中像素点个数无 p18,)=Πp(L,l1:8) 关。当图像中的边缘结构形状复杂或者不规则时，图像的边 (10) 缘处像素点容易形成像素的粘连、叠加等现象，根据式(2) =】z-1 可知，这样会导致能够提取的独立的边缘点数就会很少，根 2)明暗区域图像模型 -306 万方数据
像的完整、高效、准确分割。实验证明，这种优化的灰度图像 分割方法，能够有效克服传统边缘检测方法对边缘不规则图 像的分割错误率过高的问题，取得了满意的分割效果，具有 很高的实用价值。 2图像边缘分割原理 图像边缘分割的原理是利用图像中的像素点，将图像分 割成一些互不相交的，具有某种相似特征的连通子区域。图 像的边缘中含有大量的丰富信息，提取图像边缘像素点，利 用边缘闭合技术得到封闭的边缘，完整图像的分割。具体步 骤如下： 1)设A(iJ)是图像中所有的像素点，整个连通区域的面 积函数是n地口(A)，此函数与图像中像素个数成正比，是关于 像素个数的增函数，蜀与K是图像中整个连通区域的中点， 其计算公式为： ％2赢萎善弘“J) (1) K 2翥两；善邮J) (2) 2)根据步骤一中得到的连通区域的中点，计算出边缘检 测算子的值，根据边缘检测算子对图像中的边缘点进行提 取。边缘点函数为h(‰，yo)，其值为： 1．盟 Jl(蜀，K)5瓦未丽e2㈨川2 (3) 而由边缘点函数得到的边缘检测算子为： ， ● 础卅m∽=学+雾m d1， (4) 可知边缘点函数只与连通区域中点有关，而与图像中像 素点个数无关。利用边缘检测算子将边缘点提取出来。 3)将提取出的边缘点，用边缘闭合技术闭合，即得到图 像的分割图。 地加古烈芋，字】 … =等拟l芋12’I学12] 为了衡量分割效果，给出分割完整性的错误分割率公 式： (6) 由上述步骤可知，这类传统方法存在一个问题。步骤2) 中通过边缘检测算子得到的边缘点个数^(凰，虼)只与整个 连通区域的中独立像素点有关，而与图像中像素点个数无 关。当图像中的边缘结构形状复杂或者不规则时，图像的边 缘处像素点容易形成像素的粘连、叠加等现象，根据式(2) 可知，这样会导致能够提取的独立的边缘点数就会很少，根 一306一 据式(6)可知以茹，，，)为图像中所有像素点的信息次茗，，，) 是利用边缘检测算法分割出的图像信息。若图像边缘结构 复杂不规则，由边缘检测算法提取出的独立像素点过少，无 法准确显示图像信息，即以髫，，，)>氕茗，)，)，可知，由式(6)计 算得，G>O，即边缘检测算法无法实现边缘复杂或不规则图 像的完整分割。 针对边缘检测算法的缺陷，本文提出基于胁蹦c的图像 分割方法的基本思想是，先将图像分割问题公式化，为了适 应以数据方式存储的灰度图像，将分割问题公式化便于对灰 度图像进行直接有效地分割。建立灰度图像模型能够避免 对图像边缘独立像素点的依赖，有助于提高边缘不规则图像 的分割完整度，解决了传统分割方法不能准确分割问题。 3肘C肘C灰度图像分割算法实现 3．1 图像分割问题公式化 图像分割前，将图像领域分割成K个不相交的区域。， 表示一幅灰度图像，对于灰度图像中的任何点，L是灰度级 图像的像素点灰度值。 根据灰度图像，的所有状态，运用贝叶斯方法推断出所 有状态形的解空间亿 驴一p(形I，)。c p(，l矽)p(形)，形E力 (7) 式中，先验概率p(形)表示为： p(形)*p(K)兀P(厂i)p(R。)P(‘)p(p。I t) ”1， (8) 置 、 箧exp{“K一荟[吨出+y I足Ic+y I Dr I]} 似然概率p(，I肜)为： 嚣 p(，I形)=np(’氏；9；，li) (9) 通过用数学符号表示灰度图像的各点和像素点灰度值， 并用数学公式将灰度图像所有状态的解空间表示出来，完成 了图像分割问题的公式化，便于对灰度图像进行直接有效地 分割，克服了传统方法分割完整度不高的问题。 3．2 建立灰度图像模型 对于自然界中经常会出现的四种图像建立灰度图像模 型，在对灰度图像分割时引用四种基本图像模型，避免了大 量相似图像的重复操作，提高图像分割效率。 自然界中经常会出现的是纹理区域、明暗区域、杂乱区 域和一致区域。分别对这四种区域建立纹理区域图像模型、 明暗区域图像模型、杂乱区域图像模型和一致区域图像模 型。 1)纹理区域图像模型 建立的纹理区域图像模型如式(10)所示： P(厶；8，93)=rIp(L l，知；p) ”“ (10) 2取玄exp|-} 2)明暗区域图像模型 =麟 万方数据
建立的明暗区域图像模型如式(11)所示： 3)区域分裂和区域合并 p(:6,8）=ΠC1-B,o),8=(M,o）∈4 计算区域分裂的建议概率有两种途径。第一种，其中 q(3)表示选择区域分裂的概率，g(R)表示随机选择区域R (11) 的概率，区域R分裂成新的区域R与R,g(,)与g(L)分别 3)杂乱区域图像模型 表示区域：与的模型类型概率，并表示模型概率。第二 建立的杂乱区域图像模型如式(12)所示 种，先表示模型概率，再表示出边界概率。与区域分裂类似， p:6,）=Π）=的， 将区域合并的建议概率表示，其中g(4)表示选择区域合并 (12) 的概率，9g(R,R)表示区域R与R的联合概率。 日=(h,h1,…,he）e可2 4)将图像模型转变到区域中 4)一致区域图像模型 将前文中建立的四种灰度图像模型转变到图像分制区 建立的一致区域图像模型如式(13)所示： 域中，利用四种灰度图像模型为基准，对灰度图像有效分割。 p:8,8)=☐C-u:G),8=(u,o）e 通过建立遍历Markov Chains求解空间对图像进行区域 边缘扩散、区域分裂和合并，并将四种图像模型转变到区域 (13) 中，将边缘不规则的图像稳健地分割。 建立灰度图像模型，避免了传统方法提取的像素点不能 完整显示图像信息的缺点，利用四种模型完整再现图像信 息。 4实验结果及分析 3.3计算建议概率 根据上文对基于MCMC灰度图像分割方法的原理和实 首先将概率g(日1A,)表示为式(14)： 现的阐述，选取边缘不规侧像素点繁多的图像，分别用基于 MCMC灰度图像分割的方法和传统边缘检测分割方法对120 9(81A,)= 5c6-6)2d=1(14) 张灰度图像进行分割，选取2张实验图像进行对比，如图1 在区域R中，每个簇从像素中得到一个表决数，并且表 和图2所示。并对两种方法的分割时间和分制完整性统计并 决数是概率的和，如式(15)示： 比较，比较结果如表1所示。 实验环境为：Windows XP,CPU2CHz,lCB内存，VC++ A风i=12…m,1 (15) 6.0.GSL(GNU Scientific Library) 则得到建议概率的计算公式如式(16)所示： 0~g61R,)=nc0- (16) 建议概率对图像分割时数据的转移速度和Markov Chains的收敛速度有较大影响。通过计算建议概率，增强了 算法的严密性，能实现灰度图像的完整分料，提高分割效 蒙。 3.4建立遍历Markov Chains求解空间 ()频始灰度任像 根据马尔可夫链遍历性、非周期性、具有平稳概率分布 的要求，建立五类动态马尔可夫链，分别为：区域边缘扩散、 模型适应、区域分裂、区域合并，将图像模型转变到区域中。 1)区域边缘扩散 区域边缘扩散可表示为式(17)： r2-[6o+s88》8号 poo):8.7+ )传烧方法 (©)优化方法 2T(1)dB (s) (17) 图1第一组分割结果图 式中，「，表示区域R,与R,的边界，8、⊙，分别表示区域 R,、R的模型，dB表示布朗运动，I表示动态扩散马尔可夫链， 由图1可知，边缘检测算法得到的分割图没有显示图像 t表示时间，T()表示温度参数，n(s)表示标准的等高线。 中光照引起的灰度变化，图2中边缘检测算法的分割结果没 有将周围的景物分割出来，这两组结果都说明边缘检测方法 2)棋型适应 模型适应的表示如式(18)： 不能将边缘不规则图像中的所有信息分脚出来。而基于 MCMC图像分割方法，通过建立的四种模型，与图像进行合 de.alogp(I:0.1) (18) a0. 理匹配，最终将图像中信息完整显示分割。利用第二章中图 -307- 万方数据
建立的明暗日域图像模型如式(11)所示： P(‘；8，n)2 H6(‘一r·a2)t。2(”，一) 3)杂乱R域图像模Ⅻ 建立的杂乱R域图像模型如式(12)所示 P(，。；8画)=n^(L)=Ⅱ” 口=(^D．^1-．^‘)5吒 4)一致Ⅸ域图像模型 建立舶一致Ⅸ域图像模型如式(13)所示： P(‘；8画)：nc(，-p，口2)，日=(p，F)5耳 (13) 建立灰麈刚像模■，避免T传统方法提取的像素点不能 完整鼠示固像信息的缺点．刺甩四种模型完整再现圆像信 息。 3 3计算建议概率 首先将概率日{0|^．f)表示为式(14) 口(oI^，f)：∑∞：G(o—日：) ∑∞。=l (14) 在Ⅸ域月中．每个簇从像素中得到一十表决敛．并且表 决数是概宰的和，如式(15)示： ”南善≤--一∽·-¨‘ (”) 则得到建议概率的计算公式如式(16)所示： 8一“oi月，f)=∑^c(8—8：) (16) 建议概率对图像分割时数据的转移速度和胁m cktw的收敛速度有较大影响。通过计算建议概宰．增强r 算法的严密性，能实现藏度罔像的完整分割，提高分割敬 率。 3．4建立遍历Markov chmm隶解空间 报据马尔可夫链遍历性、非周期性、具有平稳概率分布 的要求．建矗t樊动态马尔可夫链．分荆为：区域由缴扩散、 模型适应E域分裂Ⅸ域台井将阿像模型转变到Ⅸ域中。 I)E蛾边缘扩散 E域边缘扩散可表示为式(17)： 坚弘=[仙一。s糍高等苦等+ 厕Fd日l；(s) (17) 式中，‘表示Ⅸ域R．与吩的边界．8。、峨分别表示区域 月、R的模型．础表示布朝运动，，表示动态扩散马尔nr夫链， ￡表示时间，T(f)表示温度参数，n(s)表示标准的等高线。 2)模型适应 模捌适应的表示如式(18)： 鲁=地掣 ¨8， m ad 3)Ⅸ域分裂和E域台井 计算Ⅸ域分裂的建议概率有M种途径。第 种，其中 q(3)袁月；选择R域分裂∞概率，口(月．)茬坼随机选择R域凰 的概率，Ⅸ域R井裂成新的日域R与月，，“‘)与g(f，)分别 表爪Ⅱ域m与崎的模型类型概率，井表i模型概率．第二 种，先表示模型慨率，再表示出边界概率。与区域分裂类似， 将区域合并的建议概率表示．其中g(4)表i选择M域台并 的概率+q(R．，月．)表示K域月．与置的联台概率。 4)将周像模Ⅲ转变到Ⅸ域中 将前文中建立的日种灰度图像模型转变到阿像分割区 域中，利用日种灰度图像模型为基准，对蕊度图像有救分割。 通过建立遍历Mmw ch帅s求解卒州对图像进行Ⅸ域 边缘扩散、R域分裂W合并，并将口种罔像横型转变到Ⅸ域 中，将边臻不规则的图像稳健地丹割， 4实验结果殛分析 根据上支对基下McMc灰崖图像讣割方法的嚣【理和实 现的阐述，选取边缘不规则像素点繁多的图像．分刺用基f McMc灰度图像分剖的方法和传统边缘椅测分剖方法对】20 张灰度阁像进行分割．选取2张实验Ⅲ像进行对比．如图l 和田2所示。井对M种方法的分割时间和分割完整性统计井 比较，比轻结果如表1所示。 实验环境为：wmd洲B xP．cPu 2cHz．1cB内存，v(¨ 6 O．GsL(GNu＆，emmc bbm叫{ 氅 媾糠 由图I可知．边缘幢测算法{§到的分割圉拉有显示图像 中光照引起的灰度变化．圈2中边缘检测算法的分割结果没 有将周围的景物分割}l{来这日鲥结果都说明边缘检测方法 不能将边缘不规则图像中的所有信息分割出来。而基T McMc图像分割方法，通过建立的¨种模型，与图像进行台 理Ⅸ配，最终将图像中信息完整显示分割利用第二章中图 一307— 万方数据
表1两种方法分割对比 方法 次数 错误率G 分割耗时 传统方法 120次 28% 305 优化方法 120次 3务 15 由表1中两种分别方法完整率和分割耗时的比较可知， 传统分割方法不仅图像分割的错误率高，而且分割耗时长。 原始灰度图缘 基于MCMC分割方法与传统分割方法相比，具有很高的完整 分制率，耗时又低，克服了传统分制方法完整度不高和分割 效率低的缺点。 5结束语 本文提出一种基于MCMC灰度图像分割方法。通过将 灰度分割问题公式化，并建立四种灰度图像模型，计算出合 适的建议概率，最后建立遍历Markov Chains求解空间完成 对图像的分割。这种方法克服了传统边缘检测分割方法不 (©)传统方法 (0优化方法 能完全分割图像导致的错误率高的缺点，提高了分割算法对 图像纹理的灵敏性，实现了对灰度图像的完整、高效地分割。 图2第二组分割结果图 实验证明，这种方法具有很高的实用价值和很广阔的发展前 景。 像分割的错误分割率公式计算出两种方法在各个连通区域 中的错误分割率，图3为传统方法的分割错误率，图4为优 参考文献： 化方法的分割错误率，横坐标为分割像素位置，纵坐标为在 [1]X F Song and R Nevatia.A Model-hased Vehicle Segmentation 每个像素位置的分割错误竿。 Method for Tracking [C].In:Tenth IEEE Intemational Confer- ence of Computer Vision.2005,2:1124-1131. [2]I Haritaoglu.D larwood and I.S Davis.W+:Real-Time Surveil- lance of People and Their ActivitiesJ.IEEE Transactions on 01 Patter Analysis and Machine Intelligence.2000.22(8):809- 830. B/m 0.0 [3]王亮，胡卫明，谦铁牛。人运动的视觉分析综述[」】.计算机学 6116 21 2631364146515661 报.2002,25(3：225-237. 图3传统方法分制错误率波状图 [4]章敏晋.图象分割M.北京：科学出社，2001. [5] 张语涵，孙劲光，苗锡奎.一种基于区域的彩色图像分割方法 [],计算机仿真，2010,27(5) [作者简介] 尹方平(1980-)，男（汉族），广东惠州人，讲师，项 0.0 16111621.26313641465136 61 士，士要研究方向：模式识别、图像处理。 图4基于MCMC方法分割错误率波状图 -308- 万方数据
图 紧匿 像j’剖的错醒升剖串公式Il算出两种^法在各个连通R城 由击l中两种‘}剖^法壳档宰和仆割耗时的№较可知． 传统仆割打法不仅阿像分割的错谩牢高，n】ll升剖耗时长。 摧rMcMcj’剖方法与传统j}割方让相m，且有很高的完整 分荆牢，耗肘R低克眼丁传统卦割方法完整度不高和分割 教率低的缺点。 5结束语 奉文提出种基十McMc A度罔像分割方法。通讨将 艇度仆割pⅡ题公式化，并建tH种灰度图像模d，计算出合 适的建议概牢摄后建口通所Ⅵarhv c㈦m求解{日完成 If日像的分割。这种方法克服T{々统边缘椅测分剖片法{ 能完全丹制圈像导致的错谋字高的缺点，提高了分割算法对 脚像蛙雕的丑敏眺，寓现r对灰垭幽像的完椎商教地讣割。 宜骑Ⅱ明，这种肯*具有很高的实川价f^和讴r阔的发展前 景 l：．-王二二二上：：』m m 2002 25【3 J．22E 237 4l口《*“《*HⅥE目H#-|_《#2㈣l 5，※m目"∞№日％± "《fE#∞#＆目像*Hi№ J]¨#m∞n．2¨_(J 27()j 同勰．溺≥M m 万方数据