人体红外图像的非监督模糊相关层次分割方法

"这篇研究论文探讨了一种非监督层次化模糊相关的人体红外图像分割方法，旨在解决传统多级模糊熵算法在图像分割过程中遇到的问题，如需要人为指定划分数、背景干扰导致熵的精度下降以及分割精度不足等。该方法通过熵率法先将图像划分为超像素，增强区域一致性，提升处理效率。接着，利用模糊相关来描述图像，构建模糊相关图割2-划分算子，以提高单步分割的精度。2-划分算子的核心是采用递推计算策略，快速找到最优的分割概率，并以此进行图割操作。最后，结合自顶向下的非监督层次化分割策略，迭代地对目标超像素区域进行2-划分，自适应地确定最佳的划分数，从而实现更精确的人体目标分割。此方法得到了多项科研项目的资助，包括国家自然科学基金、四川师范大学和陕西省科技厅等，并在实际实验中表现出良好的效果。" 这篇论文介绍了一种新的人体红外图像分割技术，它基于非监督和层次化的模糊相关分析。传统的多级模糊熵算法在处理图像分割时，通常需要用户预先设定区域的划分数量，这可能导致分割结果的主观性和不准确性。同时，全局划分的方式容易受到背景噪声的影响，降低熵作为信息度量的精度，从而影响分割质量。 为了解决这些问题，研究者提出了一种非监督的方法，首先利用熵率法对图像进行自动的超像素划分。这种方法可以确保区域内像素的一致性，减少后续处理的复杂性。接下来，他们引入了模糊相关概念，用于量化图像各部分之间的关系，构建了一个模糊相关图割模型。这个2-划分算子的核心在于通过递推计算策略，快速找出目标区域和背景的最佳分割概率，从而优化图割过程中的数据项，使得超像素能够依据模糊相关进行精确的2-划分。 最后，研究者采用了自顶向下的非监督层次化分割策略，通过迭代的方式逐步细化目标区域的划分，适应性地确定最佳的超像素个数。这一策略使得分割过程更加灵活，能够根据图像内容自动调整，从而提高对人体目标的识别精度。 这篇论文的工作得到了多个科研项目的资助，包括国家自然科学基金、西南财经大学和四川师范大学的科研项目，以及陕西省科技厅和互联网金融创新及监管四川省协同创新中心的支持。通过实验验证，这种新型的非监督层次化模糊相关图像分割方法在人体红外图像处理中表现出了较高的分割准确性和效率。