基於貝葉斯最小錯誤率的圖像分割算法的研究

圖像分割是圖像處理中最爲基礎和重要的領域之一，它是指把圖像分紅各具特性的區域並提取出感興趣目標的技術和過程。它是圖像處理、模式識別和人工智能等多個領域中的重要課題，也是計算機視覺技術中的關鍵步驟。多年來，已經提出了許多不一樣類型的圖像分割方法.經典的方法有灰度閾值分割法、邊緣檢測法和區域跟蹤以及基於分水嶺算法的分割方法等。對圖像分割的效果好壞或正確與否，尚未一個統一的評價判斷準則。不一樣的分割方法對同一幅圖像的分割效果是不一樣的，並且同一種分割方法對一幅圖像在不一樣空間下的分割效果也是不一樣的。 

從模式分類的角度來考慮圖像分割問題，圖像分割的過程實際上也就是將圖像變換到某一特徵空間，在特徵空間進行模式分類的過程，而在分類問題中，每每但願儘可能減小分類的錯誤，從這樣的要求出發，利用機率論中的貝葉斯公式，就能得出使錯誤率最小的分類規則，即稱之爲最小錯誤率貝葉斯決策。貝葉斯決策理論目前已較多的應用於醫療診斷，房地產投資風險決策、審計、證券，複覈事故中晚期應急決策優化以及軍事方面等許多決策領域，但它的理論一樣也可應用於圖像分割，近些年，貝葉斯理論在圖像分割方面的應用比較普遍：有的學者在以往有監督的圖像分割方法的基礎上，提出新的無監督的貝葉斯圖像分割方法，其分割的準確性很是接近有監督的圖像分割方法；經過將貝葉斯分析和傳統的水平集結合，能夠解決在嘈雜和混亂的場景中的分割問題；而經過非參數的貝葉斯推理也能夠做爲一些圖像分割方法中的分類器的理論基礎，大量實驗代表該方法在範圍圖像分割的有效、準確方面有廣闊的發展前景。本文便依據此理論，進行基於最小錯誤率的圖像分割算法的研究，以實現不一樣灰度級多物體的圖像分割提取。

該題目已經把matlab程序實現了。c++代碼還在研究中。