基于FGM-MRF模型的图像分割

利用Ward聚类将图像进行初始分割,其结果作为基于空间邻域信息马尔可夫随机场(MRF)模型对图像再次分割的初值,图像分割的先验概率采用Ising模型,通过有限高斯混合模型(FGM)描述图像像素灰度的条件概率分布,利用期望-最大(EM)算法估计条件概率分布模型参数,用迭代条件模式(ICM)局部优化方法,获得最大后验概率(MAP)准则下的图像分割结果.通过与其他相关算法分割结果相比较,这种算法能够明显改善分割效果.     

结合EM/MPM算法和Voronoi划分的图像分割方法

为了实现在模型参数先验分布知识未知情况下进行基于区域和统计方法的图像分割,同时获取更精确的模型参数估计结果,提出了一种结合Voronoi划分技术、最大期望值(Expectation Maximization, EM)和最大边缘概率(Maximization of the Posterior Marginal, MPM)算法的图像分割方法。该方法利用Voronoi划分技术将图像域划分为若干子区域,待分割图像中的同质区域可以由一组子区域拟合而成,并假定同一同质区域内像素强度服从同一独立的正态分布,从而建立图像模型,然后结合EM/MPM算法进行图像分割和模型参数估计,其中,MPM算法用于实现面向同质区域的图像分割,EM算法用于估计图像模型参数。为了验证本文图像分割方法,分别对合成图像和真实图像进行了分割实验,测试结果的定性和定量分析表明了该方法的有效性和准确性。      

基于快速EM算法的马尔可夫随机场模型运动目标自动分割

文章提出一种基于高斯马尔可夫随机场(GMRF)模型的运动目标自动分割算法。该算法采用高斯混合分布描述视频序列的差分图像，对标准Expectation—Maximization(EM)算法进行了改进，提出了快速EM算法。从不完整数据中估计出概率模型的参数。在此基础上建立马尔可夫随机场模型，构造系统能量函数。然后通过条件迭代模型(ICM)优化算法求解能量函数的最优解，得出标记场，提取出运动目标。实验结果证明，该算法对运动目标分割具有很好的分割效果。     

一种采用高斯隐马尔可夫随机场模型的遥感图像分类算法

该文研究了无监督遥感图像分类问题。文中构造了图像的隐马尔可夫随机场模型(HiddenMarkov Random Fleid,HMRF),并且提出了基于该模型的图像分类算法。该文采用有限高斯混合模型(Finite Gaussian Mixture,FGM)描述图像像素灰度的条件概率分布,使用EM(Expectation-Maximization)算法解决从不完整数据中估计概率模型参数问题。针对遥感图像分布的不均匀特性,该文提出的算法没有采用固定的马尔可夫随机场模型参数,而是在递归分类算法中分级地调整模型参数以适应区域的变化。实验结果表明了该文算法的有效性,分类算法处理精度高于C-Means聚类算法.。     

基于区域的MRF模型用于SAR图像分割

本文提出了一种建立在流域算法过分割结果区域图上的马尔可夫随机场模型的SAR图像分割算法.由于将马尔可夫场随机场(MRF)模型建立在预分割的基础上,极大减少了计算复杂度,并利用SAR图像的分布模型建立多层MRF模型,采用模拟退火优化得到MAP估计的分割结果.实验证明较传统的基于像素的马尔可夫随机场分割算法,该方法极大提高了运算速度,并能取得较为满意的分割结果.     

一种基于非均匀马尔可夫随机场的图像分割方法

提出了一种新的基于非均匀马尔可夫随机场(MRF)的图像分割算法。基于非均匀马尔可夫随机场的图像分割的关键是对MRF中耦合系数的估计。本文结合四叉树分解提出了一种新的非均匀MRF的耦合系数估计方法。先对图像用传统的MRF分割方法进行预分割,再在预分割的基础上用边缘检测算子检验出预分割图像中的边缘,再利用图像的边缘信息对图像进行四叉树分解,把图像分成不同大小的子块。再根据每个子块的大小,估计出非均匀MRF的耦合系数。实验表明,将本文方法估计出来的耦合系数应用到分割算法中去,能明显改善图像分割的效果,而且具有更好的自适应性。     

基于混合高斯模型的三马尔可夫场红外图像分割

针对马尔可夫随机场在红外图像分割方面存在的问题,给出了一种基于混合高斯模型的三马尔可夫场红外图像分割算法.三马尔可夫场在马尔可夫随机场的基础上通过引入一个附加随机场和全体随机变量服从马尔可夫性假设,克服了马尔可夫场算法中对条件概率分布相互独立的要求,并赋予该附加随机场对目标和背景区域的标识作用,其中采用混合高斯模型作为三马尔可夫随机场的先验模型.仿真结果表明,文中提出的基于混合高斯模型的三马尔可夫场红外图像分割算法能够实现复杂背景的红外图像准确分割,得到较为理想的分割效果.     

基于不完全分层MRF的非监督图象分割

分层马尔可夫随机场(MRF)图象模型由于层间具有因果关系,且这种因果关系符合图象的性质,使基于该模型的图象处理时间比平面MRF模型所用的时间大为减少.针对作者提出的一种新的分层马尔可夫图象模型——不完全分层模型,导出EM算法以估计模型参数.算法继承了分层模型非迭代算法运算速度快的优点,并因为模型结构的简化进一步减少了计算量,算法在模型的最上层加入了平面节点间信息的交互,以较少的计算换来了更加精确的参数估计结果.算法用于图象非监督分割的实验表明,和分层模型算法相比,其处理速度更快、由所估计的参数得到了更好或相当的分割结果,尤其适合大幅面图象的处理.     

基于上下文和隐类属的小波域马尔可夫随机场SAR图像分割

该文针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像含有大量的乘性斑点噪声的特点,提出了一种小波域隐类属的马尔可夫随机场(Markov Random Field, MRF)图像分割算法来抑制噪声的影响。考虑到小波的聚集性和持续性,该算法重新构造了待分图像小波域模型以类属为隐状态的混合长拖尾模型,将隐类属的马尔可夫随机场推广到小波域上,并用改进的上下文模型估计尺度间转移概率,最后推导出了新的最大后验(Maximum A Posteriori, MAP)分割公式。仿真结果证明,该算法具有鲁棒性能够有效地抑制噪声对图像的影响,得到准确的分割结果。     

一种快速有效的SAR图像起伏地形分割算法

根据合成孔径雷达(SAR)成像机理和图像特征,针对SAR图像中的起伏地形,提出了一种基于有向多尺度模型分割算法。该方法利用了SAR图像不同方向不同尺度间的统计相依性,而且考虑了SAR图像的空间信息。由于是基于有向多尺度模型少量的特征数据,利用最大期望(EM)算法可以快速估计参数,同时利用数学形态学算法进行分割修正,实现了高精度的SAR图像起伏地形的快速分割。实测SAR图像分割实验结果证明,对比其他分割算法,该方法对起伏地形的分割效果更为精确。     

结合博弈论的马尔可夫随机场红外图像分割

电路板红外图像芯片提取是电路板红外图像故障检测系统中的重要环节,已成为红外图像分割领域关注的一个重点。传统的芯片发热区域提取方法大多需要人工干预,且分割效果不理想,容易丢失边缘信息,导致细节特征不明显。针对以上缺陷提出一种结合博弈论的改进马尔可夫随机场分割算法。首先用现有的OTSU算法对图像进行粗分割,将图像分为两个子集(背景域和目标域),然后利用马尔可夫随机场(MRF,Markov Random Field)理论建立图像分割模型,最后利用结合博弈理论的MMD(Modified Metropolis Dynamics)算法,根据模型分别对每个子集进行细致分割,提取核心发热区域。实验表明,改进算法应用在电路板芯片发热区域提取时,能够较好地抑制噪声,准确处理边缘信息,与传统算法相比,在视觉效果和客观数据上都有很大的提高,具有一定的准确性和鲁棒性。     

自适应空间约束融入混合模型的遥感图像分割

为了降低图像噪声的影响并提高遥感图像分割精度,提出了一种自适应空间约束融入混合模型的遥感图像分割算法。考虑到学生t分布具有重尾特性比高斯分布更具有鲁棒性,利用学生t混合模型(Student’s-t Mixture Model, SMM)建模像素光谱测度概率分布。为了避免图像噪声对分割结果的影响,基于马尔可夫随机场利用局部像素类属概率定义组份权重,将像素空间相关性融入SMM,进而构建出空间约束图像分割模型。为了实现自适应平滑系数的模型参数求解,采用梯度下降方法求解分割模型。采用本文算法对添加噪声的遥感图像进行分割实验,结果表明,所提算法可有效降低图像噪声的影响,同时可准确分割高分辨率遥感图像。     

MRF细胞图像自动分割方法设计

针对目前医学细胞图像分割出现的误分割、人为主观因素影响时间效率低等特点,提出了一种结合基于中国餐馆过程的马尔可夫随机场(MRF)细胞图像自动分割方法。首先对图像进行去噪处理,然后采用中国餐厅过程的无监督模型对马尔科夫随机场进行自动确定参数,最后采用条件迭代模式(ICM)方法实现MRF在图像分割并对其口腔粘膜细胞图像进行分割实验,并与传统的马尔可夫随机场图像分割和3种不同的细胞图像分割方法进行比较。结果表明,本文提出的方法无需事先估计参数值,在精确度上能达到96%以上。通过本文算法基本能够准确找到要分割的双核和微核细胞,为后期细胞图像识别打基础,有效解决分割受到人为主观因素影响和精度差等问题。     

一种全自动的MSTAR SAR目标图像分割方法

狄利克雷过程混合模型(Dirichlet Process Mixture,DPM)作为一种非参数概率统计模型,可以有效应用于SAR图像的非监督分类。文中提出一种全自动的MSTAR坦克SAR图像分割方法。该方法首先基于DPM确定出图像中的类别数目,接着使用马尔科夫随机场(Markov Random Field,MRF)对所得图像类别概率的空间邻域关系进行描述,然后结合标号代价能量优化算法获取最终的分割结果。该方法在不需要人为指定待分割图像类别个数的同时,能较好地保证分割结果的合理性与连贯性。在MSTAR SAR数据上的实验表明了其有效性。     

基于可能性FMRF的红外图像分割算法及其参数估计

模糊马尔可夫随机场在多值图像分割问题中多采用分段模糊的方法将多值问题转化成多个两值模糊问题，这种方法的模糊度完全依赖像素的灰度值，从而很容易陷于局部最优解。基于可能性测度的模糊随机场摆脱了隶属度对灰度的依赖，使分割结果更容易收敛于全局最优。同时基团类型“相似性”的提出，改进了随机场基团定义的苛刻性，使得基团类型具有更好的包容性与多样性，可广泛地应用到复杂环境下的多值图像分割问题中。最后给出了该算法的EM参数估计方法和图像分割仿真实验。     

基于KLFCV数据分布形式的多尺度MRF红外目标分割

提出了一种建立在红外多波段图像基础上的目标分割新方法.首先,对8～14 μm成像波段通过滤光片细分为4个小的波段范围.用多波段图像代替单一波段图像,提高图像信息量;然后,根据多波段图像特点,通过对文献KLFCV模糊聚类模型进行分析,给出一种新的数据分布形式,用它作为多尺度Markov随机场(MRF)模型的数据似然分布;最后.利用EM算法给出相应参数估计.人工模拟数据和实际场景图像的分割试验结果表明,本文方法在目标分割完整性和噪声抑制性上和相关文献相比均有不同程度提高.     

一种基于区域搜索的全局运动估计与补偿算法

开展全局运动估计与补偿研究是进行动态目标检测中的基础和前提。在总结现有运动估计与补偿方法的基础上,提出一种基于图像分割区域的运动性和大小的全局运动估计与补偿算法。首先,通过建立区域搜索的全局运动模型,同时进行区域定性分割和区域大小排序;然后,根据误差最小化准则在指定的分割区域中进行线性递归搜索,利用门限准则寻找出最佳的运动估计参数;最后,根据双线性内插法获得运动位移量。实验结果比较可知,所提算法较三步搜索算法(TSS)和全局搜索算法(FSA)等传统算法具有更高的准确性(图像平移帧差)和实时性(算法运行时间),能够很好地实现运动背景的全局校正。     

基于两方法博弈的马尔可夫随机场红外图像分割算法

电路板红外图像芯片提取是电路板红外故障检测系统中的重要环节,已成为红外图像分割领域关注的一个重点。针对红外图像的特性及传统分割算法效率和精度不足的缺陷,提出一种基于两种优化策略博弈的马尔可夫随机场红外图像分割方法。首先通过OTSU算法对图像进行初始分割;然后利用马尔可夫随机场理论建立图像分割模型;最后,通过SA、ICM优化策略间的博弈对图像进行分割,将两种优化策略视为博弈的两个局中人,通过寻找博弈的纳什均衡点来实现分割;实验结果表明,算法能够无人工干预地准确提取电路板红外图像所有芯片发热区域,并且很好地抑制噪声,准确处理边缘信息,具有一定的实用性和鲁棒性。     

基于混合模型的SAR影像海陆分割算法

合成孔径雷达(SAR)影像的海陆分割是诸如海洋目 标检测和识别等基于海洋区域SAR影像解译的基础和关键环节之一。为解决复杂背景下遥感 影像海陆分割问题,提出一种基于混合概率模型的海陆分割算 法。首先利用Harris角点检测算法检测出影像中包含角点 的图像子块,进而通过均值漂移(MS,mean-shift)算法对图像子块进行聚类分析得到陆地 区域的 像素样本;然后利用陆地的像素样本,通过最大期望(EM,expectation maximization)迭代 算法拟合出混合模型概率 密度分布的相关参数;最后通过混合概率模型检测出陆地前景区域,得到 海陆分割结果。实验证明,本文方法能够对包含海陆的异质遥感影像实现有效的海陆分割。     

基于生成MRF和局部统计特性的红外弱小目标检测算法

红外复杂背景中的弱小目标检测问题可看作是马尔可夫随机场理论框架下红外图像中背景与目标的二元分类标记问题.基于马尔可夫随机场后验概率模型, 提出利用先验的目标信杂比信息和图像局部统计特性构建观测图像后验概率模型的方法, 并采用经典ICM (Iterated conditional mode)方法对图像最优标记结果进行估计.仿真试验结果表明, 算法在保证目标标记结果准确率的同时, 有效降低了背景的误标记概率; 且由于采用局部统计特性进行建模, 算法有效降低了模型参数与标记结果间的关联性, 提高了最优标记估计的收敛速度.