·524. 智能系统学报 第8卷 差，所以图像分割的结果在一定程度上不如二阶云 4 结束语 逆向云算法的分割结果 表1 实验结果误分率 本文将逆向云变换算法应用于图像分割，最关 Table 1 键的步骤就是在概念提取之后，如何有效地将提取 误分率/% 到的云概念合并，选择不同的云综合方法得到的结 分割 果就会有所不同.根据正态云模型的“3E”规则， 方法 小鸟和 豹子和 海星 花 蝴蝶 树枝 树枝 提出一种新的“软或”云综合方法，通过与蒋峥等提 出的云综合方法在同样条件下做比较，得到了较好 SO 3.69 4.90 3.18 6.88 7.88 的实验结果.同时将本文的方法与吴涛等在文献 SN 2.76 3.68 2.26 6.55 7.24 [9]中的实验结果做比较，同样取得了较好的实验 TN 2.35 4.01 2.68 7.31 8.27 效果.以上2点均表明了本文提出的云综合方法的 有效性.本文的下一步工作首先是与其他类型的概 3.2本文方法与文献[9]实验结果对比 念合并方法做比较，并将本文提出的云综合方法应 2012年吴涛等[9)将王立新提出的四阶样本中 用于其他类型的图像分割，以及图像的边缘检测 心矩逆向云算法和数据场用于灰度图像分割中.所 等：另外，推广高阶云模型的应用，将高阶云模型 以用本文方法与文献[9]中分割的结果作比较，以 应用于实际的特定应用中 说明本文方法的有效性.结果如图7所示 参考文献： [1]章毓晋.图像分割[M门.北京：科学出版社，2001：14. [2]秦昆，李德毅，许凯.基于云模型的图像分割方法研究 (a)原始灰度图 [].测绘信息与工程，2006,31(5)：3-5. QIN Kun,LI Devi,XU Kai.Research on the method of im- age segmentation based on cloud model[J].Journal of Geo- matics,.2006,31(5):3-5. (b)图像分割结果的标准对比图 [3]柏延臣，王劲峰.遥感信息的不确定性研究[M).北京： 地质出版社，2003：7-10. [4]许凯，秦昆，黄伯和，等.基于云模型的图像区域分割方 (c)文献[9]的分割结果 法[J].中国图象图形学报，2010,15(5)：757-763. XU Kai,QIN Kun,HUANG Bohe,et al.A new method of region based image segmentation based on cloud model[J]. Journal of Image and Graphics,2010,15(5):757-763. (d)本文提出的云综合方法SN [5]QIN K,XU K,LIU F,et al.Image segmentation based on 图7本文方法与旧的“软或云”实验结果对比 histogram analysis utilizing the cloud model.Computers Fig.7 The experimental results comparison and Mathematics with Applications,2011,62(7):2824- 根据误分率的计算方法，将实验结果图与标准 2833. 对比图做比较，得到2种方法的实验误分率如表2 [6]马鸿耀，王国胤，张清华，等.基于云模型的多粒度彩色 所示.从表2可以看出，将本文的图像分割方法方 图像分割[J].计算机工程，2012,20(38)：184-187. 法应用于灰度图像分割也可以得出很好的实验效 MA Hongyao,WANG Guoyin,ZHANG Qinghua,et al. Multi-granularity color image segmentation based on cloud 果，进一步表明了本文方法的有效性。 model[J].Computer Engineering,2012,20(38):184- 表2实验结果误分率 187. Table 2 ME of the experimental results % [7]WANG G Y,XU C L,LI D Y.Generic normal cloud mod- 分割 误分率 el.Submitted to Information Science.Under Review). 方法 Block Gearwheel Potatoes Fluocel Rice Pcb [8]蒋嵘，李德毅，范建华.数值型数据的泛概念树的自动 生成方法[J].计算机学报，2000,23(5)：470-476. 文献[9]2.65 1.89 1.89 4.1613.0615.84 JIANG Rong,LI Deyi,FAN Jianhua.Automatic generation S_N 3.081.13 1.89 0.9711.3116.51 of pan-concept-tree on numerical data[J].Chinese Journal of Computers,2000,23(5):470-476.差， 所以图像分割的结果在一定程度上不如二阶云 逆向云算法的分割结果． 表 １ 实验结果误分率 Ｔａｂｌｅ １ 分割 方法 误分率／ ％ 小鸟和 树枝 海星 花 蝴蝶 豹子和 树枝 Ｓ＿Ｏ ３．６９ ４．９０ ３．１８ ６．８８ ７．８８ Ｓ＿Ｎ ２．７６ ３．６８ ２．２６ ６．５５ ７．２４ Ｔ＿Ｎ ２．３５ ４．０１ ２．６８ ７．３１ ８．２７ ３．２ 本文方法与文献［９］实验结果对比 ２０１２ 年吴涛等［９］ 将王立新提出的四阶样本中 心矩逆向云算法和数据场用于灰度图像分割中． 所 以用本文方法与文献［９］中分割的结果作比较， 以 说明本文方法的有效性． 结果如图 ７ 所示． （ａ） 原始灰度图 （ｂ）图像分割结果的标准对比图 （ｃ） 文献［９］的分割结果 （ｄ）本文提出的云综合方法 Ｓ＿Ｎ 图 ７ 本文方法与旧的“软或云”实验结果对比 Ｆｉｇ．７ Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｃｏｍｐａｒｉｓｏｎ 根据误分率的计算方法， 将实验结果图与标准 对比图做比较， 得到 ２ 种方法的实验误分率如表 ２ 所示． 从表 ２ 可以看出， 将本文的图像分割方法方 法应用于灰度图像分割也可以得出很好的实验效 果， 进一步表明了本文方法的有效性． 表 ２ 实验结果误分率 Ｔａｂｌｅ ２ ＭＥ ｏｆ ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ％ 分割 方法 误分率 Ｂｌｏｃｋ Ｇｅａｒｗｈｅｅｌ Ｐｏｔａｔｏｅｓ Ｆｌｕｏｃｅｌ Ｒｉｃｅ Ｐｃｂ 文献［９］ ２．６５ １．８９ １．８９ ４．１６ １３．０６ １５．８４ Ｓ＿Ｎ ３．０８ １．１３ １．８９ ０．９７ １１．３１ １６．５１ ４ 结束语 本文将逆向云变换算法应用于图像分割， 最关 键的步骤就是在概念提取之后， 如何有效地将提取 到的云概念合并， 选择不同的云综合方法得到的结 果就会有所不同． 根据正态云模型的“３Ｅｎ” 规则， 提出一种新的“软或”云综合方法，通过与蒋峥等提 出的云综合方法在同样条件下做比较， 得到了较好 的实验结果． 同时将本文的方法与吴涛等在文献 ［９］中的实验结果做比较， 同样取得了较好的实验 效果． 以上 ２ 点均表明了本文提出的云综合方法的 有效性． 本文的下一步工作首先是与其他类型的概 念合并方法做比较， 并将本文提出的云综合方法应 用于其他类型的图像分割， 以及图像的边缘检测 等； 另外， 推广高阶云模型的应用， 将高阶云模型 应用于实际的特定应用中． 参考文献： ［１］章毓晋． 图像分割［Ｍ］． 北京： 科学出版社， ２００１： １⁃４． ［２］秦昆， 李德毅， 许凯． 基于云模型的图像分割方法研究 ［Ｊ］． 测绘信息与工程， ２００６， ３１（５）： ３⁃５． ＱＩＮ Ｋｕｎ， ＬＩ Ｄｅｙｉ， ＸＵ Ｋａｉ． Ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｉｍ⁃ ａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ｃｌｏｕｄ ｍｏｄｅｌ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏ⁃ ｍａｔｉｃｓ， ２００６， ３１（５）： ３⁃５． ［３］柏延臣， 王劲峰． 遥感信息的不确定性研究［Ｍ］． 北京： 地质出版社， ２００３： ７⁃１０． ［４］许凯， 秦昆， 黄伯和，等． 基于云模型的图像区域分割方 法［Ｊ］． 中国图象图形学报， ２０１０， １５（５）： ７５７⁃７６３． ＸＵ Ｋａｉ， ＱＩＮ Ｋｕｎ， ＨＵＡＮＧ Ｂｏｈｅ， ｅｔ ａｌ． Ａ ｎｅｗ ｍｅｔｈｏｄ ｏｆ ｒｅｇｉｏｎ ｂａｓｅｄ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ｃｌｏｕｄ ｍｏｄｅｌ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｉｍａｇｅ ａｎｄ Ｇｒａｐｈｉｃｓ， ２０１０， １５（５）： ７５７⁃７６３． ［５］ＱＩＮ Ｋ， ＸＵ Ｋ， ＬＩＵ Ｆ， ｅｔ ａｌ． Ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ｈｉｓｔｏｇｒａｍ ａｎａｌｙｓｉｓ ｕｔｉｌｉｚｉｎｇ ｔｈｅ ｃｌｏｕｄ ｍｏｄｅｌ［ Ｊ］． Ｃｏｍｐｕｔｅｒｓ ａｎｄ Ｍａｔｈｅｍａｔｉｃｓ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ， ２０１１， ６２ （ ７）： ２８２４⁃ ２８３３． ［６］马鸿耀， 王国胤， 张清华，等． 基于云模型的多粒度彩色 图像分割［Ｊ］． 计算机工程， ２０１２， ２０（３８）： １８４⁃１８７． ＭＡ Ｈｏｎｇｙａｏ， ＷＡＮＧ Ｇｕｏｙｉｎ， ＺＨＡＮＧ Ｑｉｎｇｈｕａ， ｅｔ ａｌ． Ｍｕｌｔｉ⁃ｇｒａｎｕｌａｒｉｔｙ ｃｏｌｏｒ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ｃｌｏｕｄ ｍｏｄｅｌ［ Ｊ］． Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ， ２０１２， ２０ （ ３８）： １８４⁃ １８７． ［７］ＷＡＮＧ Ｇ Ｙ， ＸＵ Ｃ Ｌ， ＬＩ Ｄ Ｙ． Ｇｅｎｅｒｉｃ ｎｏｒｍａｌ ｃｌｏｕｄ ｍｏｄ⁃ ｅｌ． Ｓｕｂｍｉｔｔｅｄ ｔｏ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ． （Ｕｎｄｅｒ Ｒｅｖｉｅｗ）． ［８］蒋嵘， 李德毅， 范建华． 数值型数据的泛概念树的自动 生成方法［Ｊ］． 计算机学报， ２０００， ２３（５）： ４７０⁃４７６． ＪＩＡＮＧ Ｒｏｎｇ， ＬＩ Ｄｅｙｉ， ＦＡＮ Ｊｉａｎｈｕａ． Ａｕｔｏｍａｔｉｃ ｇｅｎｅｒａｔｉｏｎ ｏｆ ｐａｎ⁃ｃｏｎｃｅｐｔ⁃ｔｒｅｅ ｏｎ ｎｕｍｅｒｉｃａｌ ｄａｔａ［ Ｊ］． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒｓ， ２０００， ２３（５）： ４７０⁃４７６． ·５２４· 智 能 系 统 学 报 第 ８ 卷