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。

改进的分层马尔可夫随机场彩色图像分割算法

针对传统的分层马尔可夫随机场(MRF)算法难以描述彩色图像像素值分布等问题,提出一种基于RGB色彩统计分布的分层MRF分割算法。在分层MRF模型的基础上,设定了相关参数并对分割过程进行了公式推导;结合RGB色彩统计分布模型,重写了分层MRF能量函数,利用k-means算法作为预分割算法,实现了算法的无监督分割。相比传统的分层MRF分割模型,该算法充分利用了彩色图像的像素值的信息,可有效地减少颜色分布参数和计算成本,能更准确地描述各分割对象的颜色分布;且该算法不受目标和背景颜色区间分布、目标空间分布的限制,能够很好地描述不同目标和背景。通过大量实验验证了算法的有效性,其在运算速度、分割精度等方面均优于传统MRF算法和模糊C均值(FCM)算法。