图像处理与分割技术研究

本文针对基于概率密度有限混合模型分割过程中存在的若干关键问题，进行定性研究与定量分析，且理论结合实际，介绍了多种新型鲁棒的自然图像分割方法，并最终将相关图像分割结果辅助或指导场景分类、目标检测等高层图像分析任务。本书一共包含15个章节，主要包括图像分割的背景、目的、意义，以及国内外现状；图割模型优化的基础理论；图像的配准方法；图像的融合方法；基于全变分流的边界(TVFE)提取技术；改进有限混合模型的图像分割方法；图像的去色方法；结合狄利克雷分布与均值模板的图像分割方法；结合测地线活动轮廓与模糊C均值的图像分割方法；基于非局部均值模板的图像分割方法；基于空间约束概率模型优化的图像分割方法；基于多变量学生-t分布的多类图像分割方法；深度学习的基本原理；图像的场景分类方法；图像的目标检测方法。