基于马尔可夫随机场的图像分割算法研究

《基于马尔可夫随机场的图像分割算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、宁波大学硕士学位论文基于马尔可夫随机场的图像分割算法研究姓名：岑杰申请学位级别：硕士专业：计算机应用技术指导教师：赵杰煜@宁波大学硕士学位论文作者:岑杰申请级别:硕士题目:基于马尔可夫随机场的图像分割算法研究导师:赵杰煜学校:宁波大学基于马尔可夫随机场的图像分割算法研究摘要图像分割是图像分析与计算机视觉领域低层次视觉中最为基础和重要的领域之一，是对图像进行视觉分析和模式识别的基础，在计算机视觉、模式识别、医学图像处理等领域有着广泛的应用，一直是图像处理研究的热点。马尔可夫随机场(Markovrandomfields,M

2、RF)模型最早是在统计物理研究中提出的，现在已经被应用到图像分析中。本文对基于MRF模型的图像分割算法做了一定的研究工作。多尺度MRF模型结合了多尺度图像模型和MRF模型，为了与多尺度MRF模型相对应，我们把常用的非因果MRF模型称为单尺度MRF模型。本文工作主要分成两大部分，即基于单尺度MRF模型的图像分割方法和基于多尺度MRF模型的图像分割方法。本文首先研究了基于单尺度MRF模型的图像分割方法，主要研究了随机场理论和贝叶斯估计理论，特别是最大后验概率(MaximumaPosteriori,MAP)估计理论。还将两者

3、相结合，介绍了基于MAP-MRF框架的图像分割方法。本文把基于该框架的分割方法应用到嘴唇特征提取中，并提出了嘴唇特征提取的方法，该方法对人脸旋转不敏感。多尺度多分辨率是应用比较广泛的技术。多尺度MRF模型在单尺度MRF模型基础上，结合了多尺度图像模型的优点。本文讨论了多尺度图像分割中要用到的小波变换技术和四叉树结构。本文中的多尺度MRF模型采用“截断”四叉树结构。针对多尺度MRF模型的特点，用序贯最大后验概率(sequentialMAP,SMAP)估计替换了MAP估计。在此基础上，提出了结合小波变换的基于多尺度MRF模

4、型的图像分割算法，其中估计算法采用适合此模型的SMAP估计。该算法改善了图像分割效果，特别是对于质量比较差的图像。但是，同时也发现了其中的问题，针对存在的问题进行分析后，我们又提出了结合邻域信息的改进算法，使分割结果更平滑。关键词：图像分割，马尔可夫随机场，多尺度马尔可夫随机场图像分割-I-宁波大学硕士学位论文ImageSegmentationBasedonMarkovRandomFieldsAbstractImagesegmentationisoneofthemostdifficultareasinimageanal

5、ysisandcomputervision,andalsoisthefoundationofvisionanalysisandpatternrecognition.Itiswidelyusedinthefieldssuchascomputervision,patternrecognitionandmedicalimageprocessing.Imagesegmentationhasalwaysbeenanattractiveresearchtopicinrecentyears.MarkovRandomFieldmode

6、ls(MRFs)havebeenfirstlydevelopedintheareaofstatisticalphysics,andthenwidelyemployedtosolveimageanalysisproblemsatalllevels.MRFtheoryisoftenusedinconjunctionwithstatisticaldecisionandestimationtheories.Inthisdissertation,wehavestudiedtheimagesegmentationalgorithm

7、sbasedonMRFs.Themulti-scaleMRFsdealwithmulti-scaleimageswithgeneralizedMRFmodels.Inconstrasttomulti-scaleMRFmodels,wenamenoncausalMRFmodelsassingle-scaleMRFs.Thedissertationisdividedintotwoparts:theimagesegmentationbasedonsingle-scaleMRFsandtheimagesegmentationb

8、asedonmulti-scaleMRFs.Wefirststudythesingle-scaleMRFsbasedimagesegmentation,andmainlyontherandomfieldtheoryandBayesianestimatetheory,particularlytheMAPestimatetheory.