基于多分类SMM的高噪声图像分割研究  

High noise image segmentation based on multi-class SMM

作　　者：王燕贞[1] 陈志翔 WANG Yanzhen;CHEN Zhixiang(School of Information Engineering,Zhangzhou Institute of Technology,Zhangzhou Fujian 363000,China;College of Physics and Information Engineering,Minnan Normal University,Zhangzhou Fujian 363000,China)

机构地区：[1]漳州职业技术学院信息工程学院,福建漳州363000 [2]闽南师范大学物理与信息工程学院,福建漳州363000

出　　处：《闽南师范大学学报（自然科学版）》2020年第4期22-29,共8页Journal of Minnan Normal University：Natural Science

基　　金：福建省中青年教师教育科研项目(JAT191414);福建省中青年教师教育科研项目(JAT171094);漳州市自然科学基金(ZZ2020J33);闽南师范大学研究生教改项目(MSYJG8)。

摘　　要：高噪声的存在严重影响了图像分割的效果和精度.为优化高噪声图像分割效果和提高分割精度,提出一种基于多分类Student’s t混合模型(SMM)的图像分割算法.该算法首先使用Student’s t混合模型对高噪声图像像素点进行建模;其次,对Student’s t混合模型的t分布进行多分类处理;最后,使用期望值最大法(EM)进行求解,实现图像分割.实验证明所提算法在精确度和对噪声的鲁棒性上明显优于其他对比方法.The existence of high noise seriously affects the effect and accuracy of image segmentation.In order to optimize the effect of high noise image segmentation and improve the segmentation accuracy,an image segmentation algorithm based on multi-class student’s t mixture model(SMM)is proposed.Firstly,the student’s t mixture model is used to model the high noise image pixels;secondly,the t distribution of the student’s t mixed model is multi classified;finally,the expectation maximization(EM)method is used to solve the problem to realize image segmentation.The experimental results have shown that the proposed algorithm is superior to other contrast methods in accuracy and robustness to noise.

关 键 词：多分类 Student’s t混合模型 高噪声 图像分割 

分 类 号：TP391.9[自动化与计算机技术—计算机应用技术]