基于先验模型的全局线索选择感知编组算法

不同的感知编组(perceptualorganization,PO)算法针对不同的全局线索,在使用中必须由人首先判定目标所满足的全局线索,之后选择相应的编组算法进行计算.本文提出基于先验模型的全局线索选择感知编组算法,可以从待选的多个全局线索中挑选出概率意义下最可能的线索作为编组依据.先验模型将场景的统计特性作为先验知识,以广义拉普拉斯分布作为样本的估计分布,通过后验概率和线索概率得到归一化信息量,以表达不同全局线索在编组过程中的重要程度.本文同时提出了编组种子的优先级排序算法,以加快计算速度.最后,以煤矿监控场景为例,说明了算法的计算过程,实验结果验证了算法的有效性.