基于交互势函数和均场参数估计的分层MRF模型的纹理图像分割

针对分层马尔科夫模型在用期望最大(EM)算法进行参数估计时,隐变量之间相互作用导致求期望值较难的问题,将均场理论应用到GMRF模型的系数估计中,使得模型的参数可以在不使用窗函数的情况下仅通过简单的线性方程即可求出。而对于固定势函数和变权重势函数不能表达图像区域间节点交互关系的缺点,提出了一种基于贝叶斯传播算法的交互势函数。试验结果表明:本文算法分割后的图像不仅具有良好的区域性,而且区域内部平滑,改善了传统小波域分层马尔科夫模型在分割区域内部存在混分的现象。

基于区域MRF和贝叶斯置信传播的SAR图像分割

本文通过定义新的势函数,将贝叶斯置信传播算法和区域MRF模型有效结合,提出了一种SAR图像分割算法.考虑到SAR图像丰富的纹理信息,该算法对分水岭分割后的过分割区域提取纹理特征,在得到的区域邻接图上构建MRF模型,并加入区域灰度均值和方差作为区域特征,利用FCM聚类的初分割结果定义区域的关联势函数,并将区域特征引入到置信传播算法中,定义了新的交互势函数.该算法充分利用了SAR图像空间的背景信息,所定义的新的交互势函数能在促进分割结果区域一致性的同时较好保护边缘.实验结果表明,相对于其他MRF模型分割算法,本文算法能取得更好的分割效果.