基于MRF模型的可靠的图像分割

本文提出一种可靠的图像分割算法．基于实际图像是分割图像叠加了不规则噪声的假设，用ＭＲＦ（Ｍａｒｋｏｖｒａｎｄｏｍｆｉｅｌｄ）模型描述分割图像的先验分布，用被污染的高斯分布（ｃｏｎｔａｍｉｎａｔｅｄＧａｕｓｉａｎｄｉｓｔｒｉｂｕｔｉｏｎ）描述待分割的图像．采用Ｂａｙｅｓ方法，根据分割图像的后验分布（以观测图像为条件）所对应的ＭＲＦ模型的条件概率，用ＩＣＭ（ｉｔｅｒａｔｅｄｃｏｎｄｉｔｉｏｎａｌｍｏｄｅ）局部优化方法，获得ＭＡＰ（ｍａｘｉｍｕｍａｐｏｓｔｅｒｉｏｒｉ）准则下的图像分割结果．该算法与Ｌａｋｓｈｍａｎａｎ等［１］提出的算法相比，具有更好的可靠性．实验结果是令人满意的．

基于D-S证据理论的多源图像分割算法

针对多源图像分割问题,提出了一种可靠的分割算法。采用被污染的高斯分布描述待分割图像,MRF模型描述分割图像的先验分布,并利用D-S证据理论融合多源数据的不确定性,依据置信度最大的原则,确定多源图像数据的分割标记类别。用仿真图像和多源遥感图像的分割结果,证明了该算法提供了更准确、可靠的分割结果。