一、貝葉斯影像分割簡介（具體理論見參考文獻）
針對海呼叫影像中魚難以從背景中分割出來的問題，本文對貝葉斯決策中常用的兩種方法進行了分析和研究，提出了一種基于最小錯誤率決策的海呼叫影像分割方法，具體的解決方法如下：首先，選擇合適顏色的背景紙板，拍攝圖片后，選擇影像的藍色通道來獲得灰度影像；然后計算三個資料：根據前景和背景像素的灰度級頻率直方圖分布得到正態分布函式的引數；根據影像中的前景和背景所占的比例來計算先驗概率；根據貝葉斯公式計算每個像素灰度級的后驗概率，最后，根據后驗概率判別函式將像素歸入前景或者背景，從而達到影像分割的效果，經過試驗，能夠對圖集中的其他桃蛀螟幼蟲影像進行分割，并取得了較好的效果，
本文的方法和傳統與經典OSTU演算法對比， 能夠避免OSTU法中某些像素的過度分割現象， 達到較好的分割效果，可以得出如下結論：圖集中背景和前景
的藍色通道的像素灰度級呈現正態隨機分布；基于貝葉斯決策的決策方法，在影像像素灰度級呈現正態隨機分布的情況下，通過取得最大后驗概率，可進行影像分割，并可應用于同一圖集的其他影像分割中，
二、部分源代碼
clc
clear all
%讀入三種資料
image=imread('309.bmp');
image_gray = rgb2gray(image);
s=load('array_sample');
Mask=load('Mask.mat');
[M,N]=size(image_gray);%灰度影像大小
%獲得灰度小魚
for i=1:M
for j=1:N
nemo_gray(i,j)=image_gray(i,j)*Mask.Mask(i,j);
end
end
%獲得彩色小魚
for k=1:3
for i=1:M
for j=1:N
nemo(i,j,k)=image(i,j,k)*Mask.Mask(i,j);
end
end
end
figure('NumberTitle', 'on', 'Name', '小魚膚色分割'),
subplot(2,2,1);imshow(image),title('image');
subplot(2,2,2);imshow(image_gray),title('image\_gray');
subplot(2,2,3);imshow(nemo),title('nemo');
subplot(2,2,4);imshow(nemo_gray),title('nemo\_gray');
[m,n]=size(s.array_sample);%樣本矩陣大小
%提取兩類灰度樣本
j=1;
for i=1:m
if(s.array_sample(i,5)==1)
sample_gray1(i)=s.array_sample(i,1);
else
sample_gray2(j)=s.array_sample(i,1);
j=j+1;
end
end
lab_num1=length(sample_gray1);
lab_num2=length(sample_gray2);
%先驗概率
w1=lab_num1/m;
w2=lab_num2/m;
[mu1,sigma1]=normfit(sample_gray1);
[mu2,sigma2]=normfit(sample_gray2);
figure('NumberTitle', 'on', 'Name', '小魚膚色分割');
fplot(@(x)normpdf(x,mu1,sigma1),[0,1]),hold on
fplot(@(x)normpdf(x,mu2,sigma2),[0,1])
title '正態分布密度函式';
三、運行結果
四、matlab版本及參考文獻
1 matlab版本
2014a
2 參考文獻
[1] 蔡利梅.MATLAB影像處理——理論、演算法與實體分析[M].清華大學出版社，2020.
[2]楊丹,趙海濱,龍哲.MATLAB影像處理實體詳解[M].清華大學出版社，2013.
[3]周品.MATLAB影像處理與圖形用戶界面設計[M].清華大學出版社，2013.
[4]劉成龍.精通MATLAB影像處理[M].清華大學出版社，2015.
[5]廉世彬,朱曉冬,翟海茹,閆俊君.基于貝葉斯決策的果樹害蟲影像分割研究[J].農業網路資訊. 2016,(02)
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/423194.html
標籤：AI