自适应先验马尔可夫随机场模型的图像分割算法

针对全局同态先验马尔可夫随机场(Markov random field,MRF)模型在图像分割中不能有效利用图像局部统计特征的问题,提出了一种基于局部自适应先验MRF模型的图像分割算法.该算法基于贝叶斯理论,利用局部先验Potts模型描述图像的局部特征,建立了一种局部自适应先验MRF模型;提出了基于区域的置信度传播(Belief Propagation,BP)算法,把图像的局部区域特征传递到全局,最终基于最大后验准则(MAP)得到图像的分割结果.实验结果表明:所提模型对于图像中的噪声或者纹理特征等具有较好的分割,分割结果明显优于全局同态先验MRF模型;提出的自适应先验MRF模型对于图像的噪声或者纹理突变信号的干扰具有较强的鲁棒性;算法具有较少的迭代次数和较好的分割结果,且分割时间较短.     

基于区域生长和水平集的肝脏提取分割算法

为了克服传统的以单幅图像作为信息来源的水平集模型分割复杂背景图像的局限性,结合区域生长法和水平集方法各自的特点,提出了一种新的由多幅图像信息构建的水平集分割算法模型。在运用水平集方法分割人体腹腔图像前,首先运用本文提出的一种有效的区域生长法在腹腔图像中得到肝脏的粗略分割结果作为先验形状图像。通过先验形状图像在Chan-Vese模型下控制水平集的演化,使活动轮廓的先验形状信息融合到水平集分割算法模型中,同时,利用Li模型在人体腹腔图像中进一步获取肝脏的边缘信息。这种融合多幅图像信息的复合水平集分割算法模型能够充分利用图像信息,有效地描述水平集方法中活动轮廓与目标区域肝脏的关系。通过实验验证,提出的算法模型能够很好地从人体腹腔图像中提取出肝脏区域。     

一种基于去除干扰基团Markov随机场的SAR图像分割算法

研究了马尔科夫随机场模型与图像的关系.利用条件迭代模型算法逐点更新图像标记,并结合区域生长思想,提出了一种基于去除干扰基团Markov随机场的SAR图像分割方法.数值试验通过与传统Markov分割算法从分割时间、迭代次数和收敛能量进行对比分析,结果表明,该方法具有更高的分割正确率,分割目标边界更清晰平滑,分割效果也更好.     

基于区域特征的模糊多尺度Markov模型在纹理图像分割中的应用

针对传统Markov模型中似然函数假设条件过于严格,观测图像像素间的相依关系不能充分利用的缺点,提出了一种基于区域特征的模糊多尺度Markov模型实现纹理图像分割模型.该模型首先利用一种区域特征提取方法,描述像素间的相依关系;然后,以区域特征的聚类结果作为先验信息,通过模糊多尺度Markov模型得到分割结果;最后采用Brodatz纹理库合成的人工图像作为实验数据,从定性和定量两方面验证了该模型的有效性.     

自适应形状约束Graph cuts算法在腹部CT图像分割中的应用

针对CT图像对比度低,组织边缘模糊,器官轮廓不规则等特点造成组织器官难以分割的问题,提出了一种自适应形状约束的Graph cuts算法.首先使用基于多图谱配准的分割方法分割原始图像,将得到的初始分割结果作为形状先验加入到Graph cuts算法的能量函数中,同时根据配准分割过程得到的目标概率图自适应选择形状约束项系数,最后通过最大流最小割算法分割出CT图像中的肝脏、肾脏和脾脏.实验结果表明,该方法能够较好地分割出肝脏等组织器官,有效减轻传统图割算法分割图像时造成的过分割和欠分割现象.     

基于改进分水岭算法的球团矿图像分割

针对传统图像分割算法不能对球团矿图像中粘连球团进行准确有效分割的问题,提出一种改进的分水岭分割算法。该算法将标记和分水岭算法结合起来,利用标记带来的先验知识限定图像分割区域的数目,并对分水岭算法的梯度图像进行修改,从而能够对球团边缘准确分割,同时避免产生过分割现象。实验结果表明,改进分水岭算法对图像中粘连球团的边缘有良好的分割效果。     

融合边缘特征的马尔可夫随机场模型及分割算法

针对区域马尔可夫随机场(MRF)模型的图像分割中常产生边缘模糊的问题,提出了一种融合边缘特征的区域MRF模型(IEFRMRF)及其分割算法。IEFRMRF模型基于MRF理论,首先通过边缘模板提取图像的边缘特征,建立局部区域的边缘先验约束;其次利用图像局部区域像素的空间约束关系描述图像的局部高斯统计特征,并通过期望最大化算法估计高斯特征参数;然后根据贝叶斯原理建立了具有边缘保持作用的区域MRF模型;最终采用区域置信度传播(BP)算法对IEFRMRF模型进行全局优化,把局部统计特征传递到图像的全局,并按照MAP准则估计图像分割标号。人工加噪声图像分割的实验结果表明,IEFRMRF模型的分割结果和传统高斯MRF模型、局部区域高斯MRF模型的分割结果相比,分割准确率分别提高了47.9%和21.4%,并且分割结果的边缘更清晰,自然图像的分割实验也验证了提出模型的有效性。     

一种新的基于高斯偏移差分过滤器与方向图的图像分割算法

为了使图像分割算法通用性更强,利用高斯偏移差分过滤器模拟人类视觉机制模型寻找图像中有纹理区域,使用方向图算法界定目标边缘,最终得到图像分割结果.该算法能有效地克服图像背景上的噪声以及前景目标轮廓不明显的缺陷,成功分割提取出图像的前景目标.试验证明,该算法鲁棒性强,具有一定通用性且无需先验知识.     

序列颅脑CT图像的颅腔内结构自动化分割

为实现颅腔内结构的自动化分割,利用颅脑CT的解剖学和影像学等先验知识,提出了一种基于图像形态学和颅腔内结构连续性等先验知识的序列颅脑CT颅腔内结构的自动化分割算法.通过对连续100个颅脑CT检查病例的自动化分割,结果表明,该算法能够实现所有具有完整颅骨环的颅腔内结构的计算机自动化分割(97/100),分割结果准确.     

基于图切割结合区域生长算法的超声图像分割

本文提出一种基于图切割结合区域生长算法的超声图像分割方法.文中采用对图像进行分块后进行图切割的方法,大大降低了算法的时间复杂度,在分割的过程中利用先验知识和图像边缘信息,对分割进行约束和指导,并与区域生长算法相结合从而实现了超声图像的快速自动分割.实验结果证明该方法分割效果良好,具有一定的应用和研究价值.     

基于马尔可夫随机场的医学图像分割

图像分割是一个经典难题,随着影像医学的发展,图像分割在医学应用中具有特殊的重要意义.马尔可夫随机场(Markov Random Field,即 MRF)方法是图像分割中一个极为活跃的研究方向.本文介绍了基于马尔可夫随机场模型的一般理论与图像的关系.并对基于MRF的传统条件迭代模式算法(ICM)进行改进,在初始分割后,对图像的像素点分为两类:稳定点和不稳定点,用队列存储不稳定点,每次迭代只对队列里面的不稳定点进行计算,以减少运算量.实验结果表明,改进的算法能够大幅度提高计算效率.     

复杂场景中动目标图象分割的一种快速算法

提出了一种利用序列图象从复杂背景中分割动目标图象的新算法。首先利用马尔科夫随机场（ＭＲＦ）模型和连续线过程建立较精确的目标函数，采用并行计算方法计算出速度场，然后以此为依据实现对目标图象的并行分割。实验结果表明：该算法不仅能适应多种复杂场景，而且分割精度高、速度快。     

利用组合马尔可夫模型的非监督图像分割方法

提出了一种基于边缘辅助的组合马尔可夫随机场模型(E-CMRF),并应用于非监督图像分割.在传统的马尔可夫标号场(MRF)基础上引入边缘二值随机场,二者相互作用构成组合随机场.该模型使用期望最大(EM)算法对待分割图像完成参数估计,并运用动态能量权值提高收敛速度.最后根据贝叶斯定理将图像分割问题转化为最大后验概率的求取,运用改进的Metropolis采样算法求得最大后验概率解.实验结果证明,该分割方法不需要人工给出先验信息,在具备抗噪性等特点的同时提高了分割精度.     

基于CSA和MCMC方法融合HMRF的脑部MRI自动分割研究

针对脑部磁共振(MR)图像分割问题,提出了一种基于克隆选择算法(CSA)和隐马尔可夫随机场(HMRF)的融合方法。首先,采用马尔可夫链蒙特卡尔(MCMC)算法对类标签进行估计,进行体素分类;然后,对分割结果进行偏场校正;最后,利用CSA的统计学进行HMRF模型参数估计,并利用迭代优化算法获得最终的分割结果。由于MCMC和CSA都是全局优化技术,所以HMRF-CSA算法能够克服传统HMRF方法的局部收敛以及较低分割精度的缺点。在仿真脑部MR图像集BrainWeb上的实验结果表明,对于主要脑部结构,本文算法的分割精度高于其他几种算法,且对图像伪影具有鲁棒性。     

马尔可夫随机场在可见光图像分割中的应用

在可见光图像生成红外图像的过程中,图像分割至关重要。马尔可夫随机场（MRF）具有局部特性,由此特性建立了纹理特征的MRF模型。利用纹理的MRF模型,将参数的期望最大化用于该模型中的参数估计。最后将图像中的所有像素经该模型计算后得到纹理信息并分割图像。通过实验取得了较好的效果。     

融入形状先验的马尔科夫图像分割

在马尔科夫(MRF)图像分割框架中融合形状先验约束,把图像分割问题作为最大后验(MAP)估计的一个马尔科夫随机场,在本质上,相当于最小化吉布斯能量函数.然后通过通量最大约束将形状先验信息合并到吉布斯能量函数,最后用图割技术最小化使吉布斯能量函数达到最优解,促使分割轮廓接近给定的形状模板.实验结果表明,算法效率得到了提高,分割效果得到了很大的改善.     

基于小波域MRF模型的SAR图像分割

针对存在严重斑点噪声的合成孔径雷达(SAR)图像的分割问题,提出了一种基于小波域马尔科夫随机场(MRF)模型的算法.该算法综合利用了隐含马尔科夫树的相关邻域信息和图像的多分辨率描述的信息,将期望最大化用于先验概率分布参数的估计,采用最大后验准则来进行图像的分割.通过对SAR图像的分割实验表明,该算法可有效去除斑点噪声的影响,并能在准确分割目标的同时保留目标的细节信息.     

基于多随机场遥感图像分割

结合二维Wold分解技术来对遥感图像进行分割，将图像分解为确定性随机场和纯不确定性随机场，通过调整它们之间的比例关系，来加强纹理边缘，从而改善马尔可夫标记场模型对纹理边缘过平滑的现象．实验对城区目标进行提取，结果表明本方法的有效性优于纯马尔可夫随机场所采取的分割方法．     

FCM与KFCM-II算法在医学MRI图像分割中的应用研究

医学图像分割在医学图像处理,尤其是临床诊断的MRI图像分析中起着重要的作用。由于医学成像过程中存在着各种退化因素,当前各种分割算法仍难以很好满足高层应用的需求。为解决这一问题,FCM (Fuzzy C-means clustering)算法和它的核方法版本KFCM(Kernel-based FCM)可以应用于图像分割以取得更好的性能表现。对FCM和KFCM-II算法应用于MRI图像分割进行了比较,讨论了在这两种算法中应用灰度有偏场纠正的效果。实验结果表明,在FCM和KFCM-II中采用有偏场模型可以取得更好的分割性能。     

一种纹理图像分割的松弛算法

利用分层马尔可夫随机场模型表征纹理图像，根据最大后验概论分布准则提出一种确定型松弛分割算法。对纹理图像进行分割的实验表明，该算法与模拟退火算法相比，明显地减少了计算时间，其分割误差与模拟退火分割误差非常接近。