基于Markov隨機(jī)場(chǎng)的圖像分割.pdf

1、Markov隨機(jī)場(chǎng)(MarkovRandomField,MRF)理論與貝葉斯理論相結(jié)合作為圖像處理的理論框架之一,已經(jīng)廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)及圖像處理領(lǐng)域中。MRF以提供先驗(yàn)信息的方式增加了對(duì)圖像處理的約束條件,和以高斯場(chǎng)為形式的條件分布結(jié)合,提供了方便而直接的方法以概率來(lái)描述圖像像素具有的一些空間相關(guān)的特性。MRF與Gibbs分布的等價(jià)性的提出又推廣了其在數(shù)字圖像處理中的應(yīng)用。本文運(yùn)用MRF理論研究如下幾個(gè)方面的問(wèn)題:1.圖像去噪是圖像

2、分割等的預(yù)處理步驟之一。二值圖像去噪有著廣泛的應(yīng)用,例如指紋圖像預(yù)處理,文本圖像復(fù)原等。作者針對(duì)運(yùn)用模糊Gibbs隨機(jī)場(chǎng)(GRF)進(jìn)行圖像去噪時(shí),Gibbs二元?jiǎng)輬F(tuán)參數(shù)β由經(jīng)驗(yàn)給定后不能自適應(yīng)隨圖像區(qū)域特征改變的不足,提出了一種自適應(yīng)改變?chǔ)轮档乃惴?使在圖像邊緣β值自動(dòng)調(diào)小以較好保留圖像細(xì)節(jié)信息,在圖像灰度平緩區(qū)域內(nèi)β值自動(dòng)調(diào)大以有效抑制噪聲。通過(guò)對(duì)比實(shí)驗(yàn)表明,該方法在識(shí)別率上和細(xì)節(jié)分辨率上具有一定的優(yōu)勢(shì)。2.圖像分割是醫(yī)學(xué)圖像分析中的

3、重要環(huán)節(jié),基于MRF的圖像分割方法用Gibbs分布中的參數(shù)表征圖像不同像素間的關(guān)聯(lián)性,對(duì)圖像中的噪聲有較好的抑制作用。作者提出一種有別于經(jīng)典模擬退火(SA)算法、條件迭代模式(ICM)算法的混合算法:重構(gòu)精英策略遺傳算法(REGA)。該算法通過(guò)重構(gòu)精英染色體把混合遺傳算法用于基于MRF的圖像分割。實(shí)驗(yàn)證明該算法在相同參數(shù)設(shè)置和相同計(jì)算時(shí)間的情況下分割效果優(yōu)于ICM算法,SA算法和遺傳算法(GA)。3.作者在視覺(jué)信息處理過(guò)程的啟發(fā)下,在現(xiàn)