一种基于分水线和先验知识的集成电路图像分割方法-多维数据分析实验室.PDFVIP

·!#% · 计算机应用研究 ! 年 一种基于分水线和先验知识的集成电路图像分割方法 刘佳璐，彭思龙 （国家专用集成电路设计工程技术研究中心，中国科学院 自动化所，北京 ’% ） 摘) 要：在*+,-./0-1 的分割图像基础上，使用贝叶斯理论的图像分割方法。首先对原始图像进行*+,-./0-1 变 换，然后在变换后的标注图像上进行能量的计算，通过选择最小能量的目标依次找出最理想的目标区域。设计 一个先验密度来惩罚图像当中*+,-./0-1 变换后相似的区域，图像分割进而变成对目标子集的最大后验估计。 这样就可以逐步找出最理想目标区域和背景区域。实验结果证明，该方法有较好的分割结果。 关键词：贝叶斯框架；边缘检测；图像分割；分水线变换 中图法分类号：2345’) ) ) 文献标识码：6) ) ) 文章编号：’’$ 45#（! ）#$ !#%$ 4 78 79+:- ;-:9-,+,= ?+/-1 *+,-./0-1 +1 3.=. @AB-1:- C7D E=+$BF ，3GHI ;=$B: （!#$% ，’()*)+), -. +)-/0)*-’ ，%1*’,(, 203,/4 -. 52*,’2,( ，6,*7 *’8 ’% ，%1*’0 ） !#$%’$ ：D/-1 ?+J-/=+ =9+:- /-:9-,+,= +B:.=,09 K+/-1 *+,-./0-1 ,.+/L.9 M *- N+BNFB+,- ,0- --.:J L ,0- B+K-B =9+:- .-/FB, L.9 ,0- *+,-./0-1 ,.+/L.9 KJ 1-/=:=: + O.=. 1-/=,J ,0+, O-+B=P-/ ,0- +.-+ L 09:--F/ O+.,/ = =9+:-/M 20- /-:9-,+,= O.KB-9 =/ ,0- 9+Q=9=P=: + O/,-.=.= -/,=9+,= L ,0- /-, L +.-+/ /FN0 A- N+ L=1 ,0- O,=9+B +.-+/ L K$ R-N, ，+1 ,0- ,0-. +.-+/ L ,0- =9+:- +.- BS-1 +/ K+NS:.F1 +.-+/M 20- -QO-.=9-,/ =1=N+,- F. 6B:.=,09 =/ -LL-N,=T- L. =9+:- /-:9-,+,= M ()* +,%-# ：?+J-/=+ U.+9-A.S ；G1:- V-,-N,= ；79+:- ;-:9-,+,= ；*+,-./0-1 2.+/L.9 ) ) 图像分割是图像分析的一个重要任务，也是计算机视觉当 目标分割结果。 中的一个重要问题。图像分割是把图像表示为物理上有意义 ) 图像分割问题的贝叶斯推理 的连通区域的集合，划分在同一个区域的灰度或颜色，纹理等 有相近的属性。图像分割大体包括两类不同的用途，即图像识 在一般的图像中，像素的位置关系分成两大类： 偶然的 ! 别和图像压缩（与编码）。其中前者对分割的要求侧重于提取 关系产生的； 图像中某些有意义的（可预测的）关系产生的。 目标的几何特征，其内部的颜色变化和细节被忽略，主要是要 图像中的某些