Color De Segmentación De Imágenes

En este estudio se promueve el uso de métodos estadísticos en la tarea de clasificación. En este estudiar una ecuación límite de decisión, que se adquiere a partir de la probabilidad condicional de clase función de densidad (PDF), basado en el teorema de Bayes se ha utilizado para el color deseado segmentación. Clasificación Bayesiano y la toma de decisiones se basan en la teoría de la probabilidad y elegir la más probable o el menor riesgo. Método de estimación no paramétrica con Función Gaussian kernel se ha utilizado durante dos estimación dimensional pdf deseado color. Espacio de color HSL se lleva a cabo en esta investigación. Matiz y saturación son de color ¿Qué características se utilizan en el cálculo de la función de PDF. Con el fin de hacer que nuestro cálculo independiente de plano de color luz de intensidad lumínica no se implementó en PDF función de estimación. El área más probable que es el área con el mayor valor PDF trazados en el tono y la saturación de coordenadas. El área resultante ecuación límite, lo que ha una forma de elipse, se ha utilizado para la segmentación de color. Se realizaron comparaciones de la método propuesto para la regla del vecino más cercano y métodos SVM, que son tanto métodos de clasificación supervisada. Nuestro resultado muestra que el algoritmo propuesto funciona mejor que los otros dos métodos en términos de precisión clasificador, especialmente cuando la imagen se expone al efecto de iluminación del entorno.

Primero Introducción

La segmentación de imagen es la etapa inicial en el análisis de imágenes y reconocimiento de patrones. Imagen de segmentación

particiones de una imagen en regiones no solapadas. Una región se define como un grupo homogéneo de

conectado píxeles con respecto a una propiedad elegida. Hay diferentes maneras de describir homogeneidad

de un color parecido a la región, los niveles de grises, movimiento, textura, etc De acuerdo con [5] "segmentación de la imagen

es básicamente un problema de la percepción psicofísica, y por lo tanto no es susceptible a una puramente

solución analítica ". Segmentación de imagen Color atrae cada vez más atención porque colorimages

Puede Lamentablemente más información que las imágenes graylevel, Ref. [1] da una breve introducción al color de la imagen

en la segmentación, una segmentación de la imagen puede ser vista como una clasificación de imágenes basado en problemas

color y características espaciales.

Ref. [8] en comparación con diferentes espacios de color (RGB, RGB normalizado, SU, espacio de color híbrido) y

aprendizaje supervisado algoritmos para la segmentación de imágenes de frutas. Algoritmos supervisados incluyen: máximo

probabilidad, el vecino más cercano K, redes

...