基于马尔可夫随机场的图像分割方法研究

论文摘要

图像分割是图像处理和计算机视觉系统中关键的处理技术,它的准确性直接影响到计算机视觉系统中高层处理的精确性。近年来,产生了很多图像分割的方法,其中,马尔可夫随机场(Markov Random Field, MRF)模型具有良好的分割特性,是一种基于统计的方法,具有能充分利用先验知识,模型参数少,且易于和其它方法相结合等优点,因此,在图像分割领域得到了广泛的应用。本文研究了基于MRF的图像分割算法,重点研究了基于小波域多尺度MRF的彩色图像分割方法以及基于形态小波域多尺度MRF的彩色纹理图像分割方法。针对两者方法中存在的不足,做了如下的改进工作：首先,研究了小波域多尺度MRF模型,为了减少欠分割现象,本文在结合图像多空间特征,利用模糊估计模型参数的方法的基础上,在多空间多尺度模型的特征场与标记场之间引入了一个变权重参数,用来建立两者之间的相关性约束。通过对Berkeley图像库中的图像进行分割实验,从分割效果和定量分析两方面验证了本文方法的有效性。其次,研究了形态小波域多尺度MRF模型,为了增强模型对彩色纹理图像中的描述能力,本文在该模型的基础上,充分利用RGB空间和HSV空间的特性,构建了多空间形态小波多尺度MRF模型。通过对Prague纹理库合成的彩色纹理图像进行分割实验,从分割效果和定量分析两方面验证了该模型可以得到较为一致的分割区域,且提高了图像分割精度。

论文目录

• 中文摘要
• Abstract
• 第一章 引言
• 1.1 图像分割概述
• 1.2 图像分割的主要方法
• 1.2.1 传统的图像分割方法
• 1.2.2 流行的图像分割方法
• 1.3 本文主要内容与结构
• 第二章 基于MRF的图像分割
• 2.1 Markov随机场基本理论
• 2.1.1 邻域系统和势团
• 2.1.2 Markov随机场
• 2.1.3 Gibbs随机场
• 2.1.4 Markov-Gibbs的等价性
• 2.2 常用MRF模型
• 2.3 常用MRF参数估计方法
• 2.3.1 最大似然估计
• 2.3.2 最大伪似然估计
• 2.3.3 期望最大法
• 2.3.4 均场近似估计
• 2.4 基于MRF的图像分割基本理论
• 2.4.1 基于MRF的图像分割问题表示
• 2.4.2 常用观测场模型
• 2.4.2.1 FGMM模型
• 2.4.2.2 GMRF模型
• 2.4.3 常用分割方法
• 2.4.3.1 迭代条件模式
• 2.4.3.2 模拟退火算法
• 第三章 基于小波域多尺度MRF彩色图像分割新方法
• 3.1 多空间特征与小波域多尺度MRF模型
• 3.1.1 多空间特征
• 3.1.2 小波域多尺度MRF模型
• 3.1.3 参数估计
• 3.2 算法描述
• 3.3 实验结果及分析
• 第四章 基于RGB和HSV空间的形态小波域多尺度MRF的彩色纹理图像分割方法
• 4.1 形态小波
• 4.2 多空间形态小波域多尺度MRF模型
• 4.3 参数估计
• 4.4 算法描述
• 4.5 实验结果及分析
• 结论
• 参考文献
• 致谢
• 个人简历
• 在学校期间的研究成果及发表的学术论文