一种基于图像上下文信息的无监督彩色图像分割算法

提出一种基于图像上下文信息的彩色图像无监督分割算法.根据传统马尔可夫随机场(MRF)势函数的定义,引入图像邻域内每两像素问亮度欧氏距离及空间位置信息,完善传统马尔可夫随机场模型中的势函数.将分割问题转化为最大后验问题并运用迭代条件模型求解.运用K均值算法在设定的分类数范围内初始化分割,运用最小消息长度准则选择最佳分类数,实现无监督分割.实验中,将合成图像及真实图像用于分割过程并与其它算法比较,证明本文算法更具优势.     

基于局部自适应先验MRF模型的快速BP图像分割算法

针对常规MRF分割模型不能有效描述图像的局部特征、常导致图像的过分割现象,提出了一种局部自适应先验的MRF模型。该模型利用图像的邻接区域信息建立了一种局部自适应特征MRF模型。基于提出的模型,建立了一种具有快速收敛策略的区域BP算法对MRF模型的区域消息进行传递,有效解决了区域BP算法的计算量大的问题。实验结果表明,与常规区域BP算法相比,提出的分割方法具有更快的分割速度和精度。     

一种轮廓波域MRF样本修补技术

提出轮廓波域MRF样本修补方法,通过轮廓波变换把待修补图像进行多尺度、多方向修补。实验结果表明,与传统的离散小波修补方法相比,轮廓波域MRF样本修补技术能更好抑制马赛克现象,保持良好的纹理和结构特征。     

基于自适应约束正则HL-MRF先验模型的MAP超分辨率重建

针对Huber-MRF先验模型对图像高频噪声抑制能力较差,而Gauss-MRF先验模型对图像高频过度惩罚的问题,提出了一种改进的自适应约束正则HL-MRF先验模型。该模型将Huber边缘惩罚低频函数与Lorentzian边缘惩罚高频函数相结合,对低频进行线性约束的同时对高频实现平滑惩罚;并采用自适应约束方法确定正则化参数,从而得到最优的参数解。与基于Gauss-MRF先验模型和Huber-MRF先验模型的超分辨率算法相比,HL-MRF先验模型获得的超分辨率重建图像在峰值信噪比(PSNR)和细节方面都有一定程度的提高,在抑制高频噪声、避免图像细节被过度平滑方面具有一定的优势。     

基于HMRF先验模型的超分辨率重建

针对基于最大后验概率(MAP)的超分辨率重建算法在重建图像过程中存在的问题,提出一种基于Huber-马尔可夫随机场(HMRF)先验模型的超分辨率重建方法,采用HMRF作为图像先验模型,对图像进行分段超分辨率重建。仿真实验结果表明,与传统的MAP算法相比,该方法能更好地保存重建图像的边缘细节,有效提高重建图像的质量。     

基于C-V模型和MRF的脑部MRI分割

为准确分割脑部磁共振图像(MRI)的灰质、白质和背景,提出一种基于C-V模型和马尔可夫随机场的全自动分割方法。采用C-V模型与形态学相结合的方法对脑MRI进行预处理,去除多余脑组织,获得待分割图像。引入灰度场局部熵的思想对惩罚因子进行估计,利用马尔可夫随机场模型建模实现脑灰白质的分割,并运用形态学方法获得最终分割结果。对96幅IBSR图像和46幅临床图像进行实验,结果表明,该方法能够实现脑部MRI灰白质的全自动分割,且具有较好的分割精度和较快的处理速度。     

改进的MRF彩色图像分割算法

为了解决彩色图像中实现不同目标、不同背景的分割问题,提出了一种基于RGB色彩统计分布的MRF分割算法。在MRF模型的基础上,设定了MRF模型的关键参数并对相关公式进行了推导。对RGB颜色分布模型进行了介绍,重写了能量函数,大大降低了算法的计算难度。由于该算法在RGB彩色空间下充分表达了像素值的信息,使得该算法在分割准确性、适应性及快速性上均有提高。通过与其他算法在同等环境下进行分割实验定量对比,验证了该算法的有效性。     

基于MRF模型的飞机飞行动作识别划分算法

军用飞机飞行动作具有较强的随机性和模糊性,为实现针对军用飞机飞行动作的识别和划分,提出了一种基于马尔可夫随机场M RF模型的飞行动作识别划分算法,可以在没有标定的情况下,将飞行数据段分割聚类,实现飞行动作的识别和划分.仿真实验表明,相比于传统的飞行动作识别算法,基于M RF模型的飞行动作识别划分算法且有更高的识别率.     

基于局部空间自适应MRF模型的图像分割

针对固定参数的点对马尔可夫随机场(Pairwise MRF)模型不能充分描述图像丰富的统计特征的问题,在研究 Pairwise MRF 模型的基础上,提出一种自适应分割算法.该算法首先建立一种空间自适应的局部区域 MRF 分割模型,并对局部区域的先验知识进行自适应估计;然后通过局部收敛的循环置信度传播(LBP)算法最大化自适应 MRF 模型的全局后验概率.实验结果表明所提出算法具有较好的分割结果.     

一种近红外静脉特征提取方法研究

针对如何提高中医针灸和西医穿刺的精度问题,项目通过近红外(INR)成像设备的可视化技术,系统地研究了静脉图像特征提取模型。提出一种基于多方向Gabor滤波器的静脉图像增强与分割方法,构筑静脉信息研究模型。解决了近红外(NIR)光成像设备采集到的静脉图像出现对比度低、视觉模糊等缺陷,以及将各方向增强后的静脉图像的融合问题,并利用马尔可夫随机场分割,获得了满意的静脉信息研究模型,为完善中西医结合模式提供了可行手段,应用前景广泛。     

基于模糊分类的MRF图像恢复方法

运用马尔科夫随机场(MRF)进行图像处理时,对图像平滑区域与边缘区域所采用的处理方法不加区别,会导致大量冗余程序且运行时间过长。针对该问题,提出基于模糊分类的MRF图像恢复方法,根据图像子块内服从不同分布的像素统计特征,对图像子块进行模糊分类,在分类基础上应用MRF进行图像恢复。对退化的二值图像进行恢复实验,结果表明,与MRF方法相比,基于模糊分类的MRF方法能减少程序运行时间,改善去噪效果。     

Nonlocal Prior Bayesian Tomographic Reconstruction

Bayesian approaches, or maximum a posteriori (MAP) methods, are effective in providing solutions to ill-posed problems in image reconstruction. Based on Bayesian theory, prior information of the target image is imposed on image reconstruction to suppress noise. Conventionally, the information in most of prior models comes from weighted differences between pixel intensities within a small local neighborhood. In this paper, we propose a novel nonlocal prior such that differences are computed over a broader neighborhoods of each pixel with weights depending on its similarity with respect to the other pixels. In such a way connectivity and continuity of the image is exploited. A two-step reconstruction algorithm using the nonlocal prior is developed. The proposed nonlocal prior Bayesian reconstruction algorithm has been applied to emission tomographic reconstructions using both computer simulated data and patient SPECT data. Compared to several existing reconstruction methods, our approach shows better performance in both lowering the noise and preserving the edges.

基于边缘约束局部区域MRF的图像分割方法

针对常规马尔科夫随机场(MRF)模型对复杂自然图像分割时,存在对噪声敏感且边缘模糊的问题,构建一种基于边缘约束局部区域MRF(ECLRMRF)的图像分割模型.利用欧氏距离度量局部区域内邻接像素的相似度,依据其相似度构建局部空间来约束高斯混合模型,有效描述丰富的局部区域统计特征,并建立MRF模型的局部区域一致性约束项.利...     

基于双树复小波域的马尔可夫随机场样本修补算法

为了消除大目标图像修补过程中,修补区域由于累积误差引起的马赛克和振铃效应,提出基于双树复小波域的马尔可夫随机场(MRF)样本修补算法。首先应用双树复小波变换(DTCWT)将待修补图像变换到复频域,通过合理的置信度和数据项计算待修补块的修补顺序;然后应用MRF样本修补算法在不同尺度、不同方向下修补未知区域;最后利用双树复小波逆变换重构图像。实验结果表明,与传统离散小波修补方法相比,双树复小波域MRF样本修补算法能更好地保持修补区域纹理和结构信息。     

图像分割中MRF与DMN方法评述与比较

综述马尔科夫随机场(Markov Random Field,MRF)的研究和应用历史,着重讨论了图像分割中MRF的原理和应用。分析了可分解马尔科夫网(Decomposable Markov Networks,DMN)的一般方法以及DMN在图像分割问题中的应用。比较研究了MRF和DMN的区别和联系。     

基于局部区域能量最小化模型的图像分割

在马尔可夫随机场(MRF)和概率理论的基础上,提出局部区域能量最小化模型,将传统基于像素的分割转化为基于区域的分割,能减小均匀区域中的误分类率。在该模型和MRF模型下,使用ICM算法、Gibbs采样算法、Metropolis采样算法对图像进行分割,结果表明该模型能取得更精确的分割结果,可有效拟制图像噪音和纹理对分割的影响。     

一种基于小波变换的马尔可夫随机场的视频对象分割

马尔可夫随机场（Markov Random Field,MRF）理论已经被广泛地应用于视频图像的分割。提出一种基于小波变换的马尔可夫随机场模型的视频对象分割算法。该算法利用小波变换将图像序列分解到小波域,并在此基础上建立马尔可夫随机场模型,构造相应的能量函数。通过迭代求解能量函数的最优解,得出标记场,提取出运动对象。仿真结果表明,该算法能够有效地抑制噪声,提高构成对象边界像素的数量,快速有效地提取出视频对象。     

基于MRF模型的图像修复算法

基于马尔可夫随机场(MRF)模型,提出一种直接采样的图像修复方法.通过优先权机制来决定边界像素的修复次序,充分顾及到图像的边缘结构信息,同时能够恢复纹理细节,避免了模糊效应.实验证明该算法具有很好的修复效果.     

分水岭算法和基于MRF的层次聚类相结合的混合无监督图像分割算法

提出一种新的混合多阶段无监督图像分割算法。在第一阶段,通过分水岭算法得到一幅过度分割的图像,该图像中的所有小区域作为初始聚类状态将在接下来的层次聚类阶段中被合并。在第二阶段,一种新的启发式的基于Bayesian方法和Markov随机域的计算模型被用于基于区域的层次聚类算法,该算法用来合并初始分割结果中的邻接区域,以改进分水岭算法的分割效果。深入分析了该计算模型中两个相互作用的部分。通过对多种不同种类图像使用该算法进行分割,表明这种多阶段的方法适合无监督分割,它按照视觉一致的方式合并区域,并且比传统的层次聚类算法快很多。     

基于层次Gamma混合模型的高分辨率SAR影像分割方法

为了准确地对高分辨率合成孔径雷达(SAR)影像内像素强度统计分布建模并得到高精度的分割结果,提出基于层次Gamma混合模型(HGaMM)的高分辨率SAR影像分割方法.HGaMM由多个Gamma混合模型构成,用于对非对称、重尾和多峰等复杂的像素强度统计分布建模.为了减少影像噪声对分割的影响,采用马尔科夫随机场建模像素标号场,将像素邻域位置关系引入HGaMM.根据贝叶斯理论,利用后验分布构建影像分割模型.马尔科夫链蒙特卡罗算法用于模拟影像分割模型.在模拟和真实SAR影像上的分割实验表明,文中方法可得到较高精度的分割结果.