摘要
提出一种基于马尔科夫随机场模型的火焰图像分割算法。将由系统装置获取的原始火焰图像从RGB空间变换到HSV颜色空间,以提取颜色特征。分别对原始图像建立Potts标记场模型和有限正态混合观测场模型(FGMM),结合颜色特征,运用贝叶斯估计和ICM算法,计算最大后验概率(MAP),并完成图像分割。实验证明,该算法可以有效地分割炉膛火焰图像,为之后的工作奠定了基础。
Propose an image segmentation algorithm of furnace flame based on Markov random field. Tansform the original flame image from RGB space to HSV space got by system hardware, to extract color vector. Then build Potts and FGMM modles respectively and finally combine color vector and use Bayesian and ICM algorithm to calculate Maximum a Posteriori （MAP） and complete segmentation. The experiment results show that this algorithm can segment image of furnance flame efficiently and lays a foundation for works later.
出处
《电子技术应用》
北大核心
2012年第11期133-135,共3页
Application of Electronic Technique
基金
黑龙江省普通高等学校青年学术骨干支持计划项目(1155G63)
齐齐哈尔市科技局工业攻关项目(GYGG2010-01-2)
