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.     

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。     

一种具有边缘保持的多尺度马尔可夫随机场模型图像分割方法

针对图像分割中常规四叉树结构的多尺度马尔可夫随机场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导致低分辨率图像边缘细节模糊、缺失的现象,提出了一种具有边缘保持的多尺度马尔可夫随机场(Edge Preserving Multi-Resolution Markov Random Field, EPMRMRF)模型。该模型首先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。之后,为了对EPMRMRF模型进行迭代优化,提出一种分层区域置信度传播算法(Hierarchical Regional Belief Propagation Algorithm,HRBP),基于最大后验准则,求解马尔可夫随机场最大后验全局分布。实验结果表明,EPMRMRF模型和HRBP分割算法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,概率兰德指数相似性评价指标平均提升至0.890 9,全局一致性误差差异性评价指标平均降低至0.192 3。     

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.     

基于MRF模型的多层前馈网络纹理分割方法

提出一种基于马尔柯夫随机场 (MRF) 模型和多层前馈神经网络进行纹理分割的方法.利用二阶高斯MRF模型对图像纹理进行描述，采用最小平方误差方法进行参数估计，将估计参数作为纹理的特征向量，并且利用改进的BP算法对特征进行分类.对纹理图像进行的实验表明，与常规距离方法相比，采用这种方法进行纹理分割能取得更好的效果.     

一种基于偏压场的水平集图像快速分割算法

提出了一种基于偏压场的水平集图像快速分割算法.运用偏压场估计图像局部统计信息,结合图像的全局信息和图像边缘信息建立新的能量函数,然后将此能量函数嵌入到水平集框架中,得到最终改进的分割模型.最后对合成图像和真实图像进行分割,并与其他4种模型对比,实验结果表明,提出的模型分割精度提高了20%以上,而且分割速度提高了2~5倍.     

基于马尔可夫随机场和模糊C-均值聚类的DTI图像分割算法

传统的模糊C-均值聚类(FCM)算法只考虑了图像灰度信息,未考虑图像的邻域信息,抗噪性能不够理想.为了充分利用图像空间信息,提出一种结合马尔可夫随机场(MRF)的自适应加权FCM改进算法.该算法根据局部密度判断像素在其窗口邻域范围内的离散种类,将MRF空间约束场和隶属度场的权重根据像素离散种类进行自适应变化,在消除噪声影响的同时,尽可能保留弥散张量成像(DTI)的图像细节信息.实验结果表明:该算法可以准确分割DTI图像,得到边缘清晰且细节信息保留良好的分割结果,与FCM算法以及MRF和FCM融合算法相比,其分割系数至少提高了3%,分割熵至少降低了2%,分割聚类效果得到提高,且分割系数和分割熵都不易受噪声幅度的影响.