基于云模型的不确定性图像分割新方法

不确定性是客观世界的普遍规律，图像分割过程中蕴含着模糊性、随机性，二者往往具有关联性。不确定性图像分割方法已成为重要研究方向，传统方法往往仅考虑模糊性，或仅考虑随机性。本课题以综合考虑模糊性、随机性以及二者之间的关联性的云模型为基础，研究不确定性图像分割的新方法。从认知的角度将图像分割理解成图像底层概念抽取、概念跃升和概念判别的过程，利用云模型实现该过程中不同层次的图像概念的不确定性表征和分析，研究基于云变换和一维/二维直方图的图像底层云概念抽取方法，基于区域划分和逆向云的图像底层云概念抽取方法，基于云距离和云综合的概念跃升，图像泛概念树的构建和基于概念判别的图像分割等关键技术，通过大量的分割实验对这些方法进行分析、验证、优化和改进，探索出符合认知规律的、能更好地处理不确定性的图像分割新方法。