信息论图像分割..doc

研究课题：图像评估 摘 要 信息论的基本原理应用到图像处理中具有十分重要的价值。本文主要从评估图像捕捉部分性能的评估、图像分割算法这两个个方面阐述信息论在图像处理中的应用。?通过理论分析来说明使用信息论的基本理论对图像处理的价值。随着科学技术的不断发展，人们对图形图像认识越来越广泛，图形图像处理的应用领域也将随之不断扩大。为了寻找快速有效的图像处理方法，信息理论越来越多地渗透到图像处理技术中。文章介绍了信息论基本理论在图像处理中的应用，并通过理论分析说明其价值。把通信系统的基本理论信息论应用于采样成像系统，对系统作端到端的系统性能评价，从而优化采样成像系统的设计，是当前采样成像系统研究的分支之一。有些图像很繁杂，而我们只需要其中有意义的一部分，图像分割就是将图像分为一些有意义的区域，然后对这些区域进行描述，就相当于提取出某些目标区域图像的特征，随后判断这些图像中是否有感兴趣的目标。? 关键词：信息论；图像捕捉；图像分割? 目 录 绪论 1.1图像评估的发展 1.2图像评估的意义 图像捕捉与分割 2.1图像捕捉的数学模型 2.2 图像的性能评估 2.3 图像分割定义及方法概述 2.4 基于最大熵原理的图像分割 3总结 参考文献 附录 1.绪论 1.1 图像评估的发展 对于图像评估函数评估的研究2世纪60年代就已经开始,至今已有近50年的历程。纵观这 50 年的发展状况,图像质量处理评估研究大致经历了这些发展阶段。 20 世纪60年代末至80年代初这是图像质量评估产生的最初时期,这一时期 的图像质量评估方法主要是采用将图像作为二维信号,从传统的信号准确性上对图像质量进行定义和 研究。很多经典的一维信号准确性判定方法都被直接移植到图像质量评估中,如均方根误差、信噪比、峰值信噪比等。这些方法结构简单,理论意义明确, 但是缺点也很突出:由于图像的质量是和人主观感受相关的,这种简单的准确性准则在实际中并不能很好地表达出其质量的优劣。 20 世纪80年代中后至90年代初随着图像处理技术的深入研究和图像系统的广泛应用,一些研究人员逐渐认识到传统的信号精确 度准则不能反映出图像质量状况。因此,引入新的模型、方法、以及当时最先进的图像处理手段来构造出图像质量评估函数成为了研究的主流趋势,具有 代表性的如差熵函数,边缘统计函数,色觉差异性,主观视觉系统评估方法。但实际上,隐藏在这种“百家争鸣”状况的背后是众多研究人员对于图像质量优劣这一概念的模糊和混淆。因此这一时期的图像质量评估方法结构复杂而准确性并没有明显提升,对于工程应用并无太大益处。20 世纪 90 年代中后期 随着研究的不断深入,将人的主观视觉响应作 为图像质量评估的最终标准得到了越来越多的研究 人员的响应。在Nill的视觉模型工作基础上，,Daly对于经验的主观视觉的对比度函数重新 进行建模,并将建模结果用于图像质量预测上。Lubin在吸收和利用 Daly 成果的基础上提出了误差显现模型,并在此模 型的基础上构造了JND评估方法。2008 年,经过来 自芬兰、乌克兰、意大利的研究人员的共同努力,发 布了TID 2008图像评估数据库。除了以上这些专业的图像质量评估研究组的工作外,还有一些以实际问题或者特殊领域为背景的研究工作。如日本的Sazzad 针对 JPEG 编码图像的质量评估工作,英国 Eskicioglu针对JPEG编码图像的质量评估工作等。 1.2 图像处理的意义 人类传递信息的主要媒介是语言和图像。据统计，在人类接受的信息中，听觉信息占20%，视觉信息占60%，其他如味觉、触觉、嗅觉总的加起来不过20%。由此看来，作为传递信息的重要媒体和手段——图像信息是十分重要的。数字图像是一门内容十分丰富，并且发展迅速的新学科，它研究利用计算机完成图像信息各种处理的基本理论和方法，是人类从客观世界获取信息的重要来源，是人类视觉延续的重要手段，也对国计民生有重要意义。 2.1 图像捕捉的数学模型 图像捕捉过程如图1所示。G为系统的稳态增益，是图像捕捉设备的空间响应函数，是光电探索的噪声。代表采样网格函数，分别为输入、输出信号。 在这种模型下的输出信号 其中，，代表在直角坐标系下，具有单位采样间隔的采样设备的采样函数。 输出信号的傅立叶变换为： 其中：是输入信号的傅立叶变换，是欠采样噪声和光电探测器噪声和，是图像捕捉设备的空间频率响应。 图1 图像捕捉过程 2.2 性能评估 设信源X通过系统后输出Y。根据信息论知，X与Y之间的互信息量定义为