基于非下采样Brushlet和马尔可夫随机场的图像分割.pdf

基于非下采样Brushlet和马尔可夫随机场的图像分割.pdf

ID:56179924

大小:631.87 KB

页数:5页

时间:2020-06-04

基于非下采样Brushlet和马尔可夫随机场的图像分割.pdf_第1页
基于非下采样Brushlet和马尔可夫随机场的图像分割.pdf_第2页
基于非下采样Brushlet和马尔可夫随机场的图像分割.pdf_第3页
基于非下采样Brushlet和马尔可夫随机场的图像分割.pdf_第4页
基于非下采样Brushlet和马尔可夫随机场的图像分割.pdf_第5页
资源描述:

《基于非下采样Brushlet和马尔可夫随机场的图像分割.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2014年第2期计算矶与土兕代化JISUANJIYUXIANDAIHUA第222期文章编号:1006-2475(2014)02-0081-05基于非下采样Brushlet和马尔可夫随机场的图像分割刘雪娜,侯宝明,崔红霞(渤海大学信息科学与技术学院,辽宁锦州121013)摘要:针对传统小波域马尔可夫随机场图像分割算法的纹理图像分割能力的不足,提出一种将非下采样Brushlet变换和马尔可夫随机场相结合的纹理图像分割方法。用非下采样Brushlet变换作为图像分割的特征场,有效地提取纹理图像中的高维奇异信息;利用高斯马尔可夫模型提取特征场的参数,考察图像中的光谱信息以及像素点的空间相

2、关性对分割结果的影响。实验表明,本文算法可以有效地实现纹理图像分割,在检测纹理方向信息和区域一致性上较传统算法有较大的提高。关键词:非下采样Brushlet变换;马尔可夫随机场;图像分割;迭代条件模式;最大后验概率准则中图分类号:TP391文献标识码:Adoi:10.3969/j.issn.1006-2475.2014.02.019ImageSegmentationBasedonNonsubsampledBrushletandMarkovRandomFieldLIUXue-na,HOUBao—ming,CUIHong—xia(CollegeofInformationScience

3、andTechnology,BohaiUniversity,Jinzhou121013,China)Abstract:InviewoftheshortagesofconventionaltextureimagesegmentationbasedonMarkovrandomfield(MRF)inthewave—letdomain,asegmentationmethodisproposedbycombiningnonsubsampledBrushlettransformandMRF.NonsubsampledBrushlettransformislookedonasthefeatu

4、refieldoftheoriginalimage,whichmakessurethatthehighdimensionalsingularityinformationoftextureimageiSextractedefectively.AndGaussMarkovmodelisusedtocomputetheargumentsofthefeaturefield.whichmakessurethattheinfluencesofthespectralinformationandthespatia1correlationsbetweenpixelsonthesegmenta—ti

5、onresultareconsidered.Experimentsshowthatthisalgorithmcaneffectivelyachievethetextureimagesegmentationanditisofmoregreatimprovementthantraditionalalgorithminthedetectionoftexturedirectioninformationandregionalconsistency.Keywords:nonsubsampledBrushlettransform;Markovrandomfield(MRF);imagesegm

6、entation;ICM;MAPcriterion算标记场的概率时,通常假设标记场的概率具有马尔0引言可夫性,即每个像素的标记仅会受到空间邻近像素标纹理图像分割一直是图像分割领域中的一类难记的影响。这样,有效考虑了像素间的空间拓扑关题,探索能有效检测方向信息和边缘一致性的纹理图系,保证分割区域的一致性。基于这样的优点,MRF像分割方法是图像处理工作者的共同目标。它的核模型在图像分割中得到了广泛应用4。。心工作是特征提取和区域分割¨J。特征提取的有效性是解决纹理分割性能的关键。基于马尔可夫随机场(MarkOVRandomField,近十几年来,基于马尔可夫随机场模型图像分割的一MR

7、F)模型_2的分割方法是理论基础比较完善的统个比较热门的方法就是将小波与马尔可夫随机场相计学方法,它是一个很好的区域分割工具。在基于结合J。对某些纹理信息,小波域上的分割比原始MRF的图像分割中,首先基于随机场模型提取特征像素域分割的效果确实会好很多。可是,研究中也发参数,构造图像的特征场;然后在已知特征场的前提现小波在分割近似的纹理时会出现严重的混淆。这下通过最大标记场概率得到图像的分割结果。在计主要是由于小波只有有限的方向性,只适合逼近一维收稿日期:2013.10.15基金项

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。