一种具有边缘保持的MRMRF模型图像分割方法

针对常规四叉树结构的多尺度马尔可夫随机场(MRMRF)模型非重叠区域在最优化过程中所造成的块效应以及建模和推理过程均会导致低分辨率图像边缘细节模糊、缺失的现象,本文提出了一种具有边缘保持的MRMRF模型图像分割方法(EPMRMRF)。首先,所提模型利用邻接区域之间的交互重叠约束,将局部区域的优化传递到相邻区域;其次,采用具有边缘保持作用的Cauchy分布提取图像的多尺度边缘先验知识,在不同尺度上实现图像局部区域特征和多尺度边缘特征的融合。最后,本文提出一种分层区域置信度传播算法(HRBP)对提出的EPMRMRF分割模型进行迭代优化,基于最大后验准则(MAP),求解MRF最大后验全局分布。实验结果表明,提出的模型不仅有效保持了图像分割结果的边缘,获得了更好的分割结果,而且具有较快的分割速度,PRI相似性评价指标平均提升至0.8909,GCE差异性评价指标平均降低至0.1923。     

一种具有边缘保持的MRMRF模型图像分割方法

针对常规四叉树结构的多尺度马尔可夫随机场(MRMRF)模型非重叠区域在最优化过程中所造成的块效应以及建模和推理过程均会导致低分辨率图像边缘细节模糊、缺失的现象,本文提出了一种具有边缘保持的MRMRF模型图像分割方法(EPMRMRF)。首先,所提模型利用邻接区域之间的交互重叠约束,将局部区域的优化传递到相邻区域;其次,采用具有边缘保持作用的Cauchy分布提取图像的多尺度边缘先验知识,在不同尺度上实现图像局部区域特征和多尺度边缘特征的融合。最后,本文提出一种分层区域置信度传播算法(HRBP)对提出的EPMRMRF分割模型进行迭代优化,基于最大后验准则(MAP),求解MRF最大后验全局分布。实验结果表明,提出的模型不仅有效保持了图像分割结果的边缘,获得了更好的分割结果,而且具有较快的分割速度,PRI相似性评价指标平均提升至0.8909,GCE差异性评价指标平均降低至0.1923。     

一种具有边缘保持的MRMRF模型图像分割方法

针对常规四叉树结构的多尺度马尔可夫随机场(MRMRF)模型非重叠区域在最优化过程中所造成的块效应以及建模和推理过程均会导致低分辨率图像边缘细节模糊、缺失的现象,本文提出了一种具有边缘保持的MRMRF模型图像分割方法(EPMRMRF)。首先,所提模型利用邻接区域之间的交互重叠约束,将局部区域的优化传递到相邻区域;其次,采用具有边缘保持作用的Cauchy分布提取图像的多尺度边缘先验知识,在不同尺度上实现图像局部区域特征和多尺度边缘特征的融合。最后,本文提出一种分层区域置信度传播算法(HRBP)对提出的EPMRMRF分割模型进行迭代优化,基于最大后验准则(MAP),求解MRF最大后验全局分布。实验结果表明,提出的模型不仅有效保持了图像分割结果的边缘,获得了更好的分割结果,而且具有较快的分割速度,PRI相似性评价指标平均提升至0.8909,GCE差异性评价指标平均降低至0.1923。     

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。     

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.     

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.     

基于马尔可夫随机场的遥感图像分割和描述

讨论了基于马尔可夫随机场的遥感图像分割．根据卫星遥感图像的特点,建立了相应的基于马尔可夫随机场的图像分割模型．由此将图像分割问题转化成图像标记问题, 并进一步转化成求图像的最大后验概率估计的问题． 本文引进了一种基于博弈理论的决定性退火算法, 可以用该算法对图像进行标记, 该算法收敛于局部最大, 在实验中取得了很好的效果．     

用于图像分割的局部区域能量最小化算法

针对点对马尔可夫随机场(Pairwise MRF)模型中像素成对交互的结构不能充分描述图像丰富的局部统计特征问题,在研究Pairwise MRF模型基础上,提出了一种基于局部区域能量最小化的图像分割算法.该算法先利用图像局部区域信息构造局部区域能量模型,建立了一种局部交互的区域马尔可夫随机场分割模型,然后采用无环置信传播(LBP)算法对MRF全局能量进行优化.优化过程中,对局部区域能量进行收敛并按照MAP准则估计局部区域标号,通过LBP算法把局部区域信息传递到邻域区域中去.实验结果表明,所提出的新算法较标准LBP算法具有更好的分割结果,并有效地抑制了图像噪声信号和纹理信号对分割结果的干扰和影响.     

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。     

多尺度边缘检测与图像分割的马尔可夫随机场模型

利用小波变换模极大值检测图像的多尺度边缘信息，根据这些信息和改进的马尔可夫随机场模型对低信噪比图像进行Ｂａｙｅｓ分割，结果表明，和一般松驰算法相比这种方法改善了图像分割的质量。     

基于模糊TS-MRF模型的无监督声纳图像分割

为解决声纳图像本身特征信息较弱,而树结构化的马尔可夫随机场(TS-MRF)算法在分割中过分依赖祖先节点,且在标号分割中仅考虑区域内部一致性而忽视区域边缘的各向异性的问题,提出了一种模糊树结构化的马尔可夫随机场(TS-MRF)模型的声纳图像分割算法.在TS-MRF势函数中引入广义模糊算子,以模糊隶属度作为像素相似度度量,将邻域信息融入到分裂节点参数的确定中,使得先验概率的刻画更加精细.已知图像观测特征前提下定义分裂增益系数来反映分裂前、后标号后验概率的比值,并将对增益系数的判断作为确定二叉树节点分裂的依据,降低求解后验概率最大的计算复杂度.结合区域分裂合并方法完成对声纳图像无监督分割.实验结果从视觉效果和客观评价表明:本分割方法相比于传统MRF和TS-MRF等分割算法,具有较高的分割精度和高鲁棒性.     

一种融合分层信息熵的MRF视频运动前景分割算法

针对视频图像中相邻像素的相关性对前景分割的影响问题,提出了一种以熵图像为纽带的分层马尔可夫随机场(MRF)视频运动前景分割算法.通过图像像素层和信息层构建自适应像素模型和动态光滑模型,增强了视频图像中邻域像素的空间一致性和时间连续性.然后在马尔可夫模型的框架下,采用多环置信度传播算法求解最大后验概率估计,提高视频运动前景分割的质量.实验结果表明该方法能够在不同的视频图像序列条件下完成对运动前景的有效分割.     

基于小波域隐马尔可夫模型多尺度图像分割

提出了一种基于小波域自适应上下文结构的多尺度图像分割算法（JACMS）．该算法为了减小计算复杂度,采用隐马尔可夫半树模型和参数加权训练算法,得到了可靠的初始分割．为了获得较好的区域一致性和边缘准确性,在进行尺度间融合时,采用自适应的上下文结构分别应用于图像纹理均质区域和图像纹理边缘,保证了图像大致轮廓的准确性和可靠性,提高了分割后图像纹理边缘的精确度．对合成图像与航摄像片的实验结果表明,该方法的分割错误概率低于传统的基于小波域隐马尔可夫树模型的图像分割方法,且对真实图像得到了理想的分割效果．     

基于小波域马尔可夫随机场的医学影像图像提取实现研究

对医学影像图像提取处理的小波域马尔可夫随机场数学模型进行了分析,较详细地研究了适当最优准则算法、最大后验边缘估计及多尺度概率值算法的数学原理。然后运用仿真软件对该模型的实现进行了设计、对比分析。最后对该系统进行了仿真实验与分析,验证了所设计系统的合理性。仿真表明结果与理论分析一致。     

旋转曲面变换PSO算法估计纹理图像MRF参数

快速准确地估计马尔可夫随机场的参数，通过拟似然函数可以将其参数估计转化为一个寻找全局极值的问题．粒子群优化算法应用于多极值点函数优化时，存在陷入局部极小点和搜寻效率低的问题．为此提出旋转曲面变换方法，将被优化函数映射到一个同胚曲面上，它将当前局部极小点变换为全局最大点，并保持被优化函数值在当前局部极小点以下部分的形状不变，从而克服陷入局部极小点问题．利用旋转曲面变换粒子群优化算法对充满局部极小点的目标函数求全局极值．用Gibbs采样器生成的纹理图像实验结果表明，利用这种方法估计马尔可夫随机场参数效果较好．     

基于高斯-马尔可夫随机场模型的运动目标自动分割

提出了一种基于高斯 马尔可夫随机场(GMRF:GaussianMarkovRandomField)模型的运动目标自动分割算法.该算法采用有限高斯混合模型描述视频序列帧差图像的概率分布.在此基础上建立马尔可夫随机场模型,构造系统相应的能量函数.然后通过Metroplis优化算法求解能量函数的最优解,得出标记场,提取出运动目标.实验结果证明,该算法对运动目标分割具有很好的分割效果.     

基于均值场理论和马尔可夫场的运动目标分割算法

研究了基于均值场理论和马尔可夫场的运动目标分割方法.该算法先对帧差图像进行简单的前背景划分,再采用均值场理论(MFT),建立马尔可夫随机场(MRF)模型,构造系统相应的能量函数.然后通过求取最大后验估计(MRF-MAP),即求最小能量函数,得出标记场,提取运动目标.实验结果证明:该算法能够很好地消除噪声,对运动目标分割具有较好的分割效果.     

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。     

基于克隆选择算法和马尔可夫链蒙特卡尔方法融合隐马尔可夫随机场的脑部核磁共振自动分割研究

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,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。     

基于MRF分层高斯混合模型的脑MR图分割

脑部磁共振(MR)图像由于偏移场和噪声存在灰度不均的特点.针对传统高斯混合模型应用于MR图像分割中存在噪声和异常值敏感等问题,提出一种基于马尔可夫随机场(MRF)的分层高斯混合模型分割算法.将传统的高斯混合模型进行分层处理,使用高斯混合模型替代其中的高斯分布;针对图像像素点构建MRF,更新分层高斯混合模型的先验概率;根据最大后验准则获取最终分割结果.实验结果表明,DICE、MCR指标均验证了算法的有效性.