基于EHMM-HMT和MSWHMT的多尺度纹理图像分割

纹理图像具有微观不规则但宏观存在某种统计规律性的特点.在图像分割中,为了捕捉此特性来改善分割效果,提出了EHMM-HMT(enhanced hidden Markov model-hidden Markov tree)和MSWHMT(multi-states weighted hidden Markov tree)模型的多尺度贝叶斯纹理图像分割方法.该方法通过EHMM模型有效地描述了图像块间的相互作用关系,在最粗尺度上并运用EHMM-HMT模型得到了有利于保持区域一致性的初分割.然后,为了减少初分割对边界造成的误判和降低计算复杂度,提出了MSWHMT模型,在各个细尺度上应用该模型实现了具有较好的边界检测效果的初分割.最后,通过结合边界信息的多尺度贝叶斯融合策略对纹理图像实现了像素级的分割.实验结果表明,与HMTseg,HMT(boundary based+MAP)和EHMM-HMT(MAP)方法相比,该方法不仅对微纹理图像有好的分割效果,对宏纹理图像也达到了较优的分割性能.