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。
本文来源: https://www.lw50.cn/article/4ca9549bfed8b7e23ed75896.html