李鐵
摘要:該文整合紋理方面的信息,實(shí)現(xiàn)了基于馬爾科夫場(MRF)的圖像快速分割。通過圖像紋理特征利用Gabor濾波器數(shù)據(jù)特征分量,通過馬爾科夫算法將像素分類獲得分割結(jié)果。
關(guān)鍵詞:MRF;圖像分割;馬爾科夫場;能量最小化算法
中圖分類號:TP301 文獻(xiàn)標(biāo)識碼:A 文章編號:1009-3044(2014)33-7973-03
Abstract: This paper had finished an unsupervised variable weighting parameter Markov random field image segmentation model, which used the texture features. The texture feature, which being gotten by the Gabor filters, is often referred as the models data feature component. the novelty self-adaptive MRF model has in effect to improve the segmentation result and reduce human to intervene the parameter. Experiments had proved that the new model is better than traditional constant weight model.
Key words: MRF;image segmentation;self-adaptive MRF;energy minimum arithmetic
圖像分割是機(jī)器視覺中重要應(yīng)用課題,所謂分割就是將圖像中具有特殊涵義的不同區(qū)域區(qū)分開來,現(xiàn)在全世界廣泛使用的圖像分割方法主要有兩大類:基于邊緣的分割方法和基于區(qū)域的分割方法。圖像分割的方法極多,但是如何得到精確且有視覺意義的分割一直還是學(xué)術(shù)界研究的熱點(diǎn)與難點(diǎn)。根據(jù)人類視覺特點(diǎn),人眼能從視網(wǎng)膜感知到的二維圖像中獲取場景中的三維物體的形狀和空間位置的定量信息。對于圖像分割視覺方面,基于馬爾視覺計(jì)算理論較有影響,MRF模型被大量的應(yīng)用證明是一個(gè)有效的且形式的方法,它被大量應(yīng)用于醫(yī)學(xué)圖像處理,或者圖像分割、圖像恢復(fù)、三維重建、景深匹配、圖像拼接等方面。馬爾科夫模型其本質(zhì)是屬于聚類方法,但是有不同于單純聚類,關(guān)鍵在于引入了分割中的區(qū)域思想,把圖像特征的性質(zhì)結(jié)合到分割中,對圖像分割產(chǎn)生很很好的效果,并且認(rèn)為視覺主要完成從要素圖到三維表象的三級計(jì)算。
該文通過Gabor濾波器的紋理特征組成MRF模型的數(shù)據(jù)特征分量,并充分利用可變權(quán)重MRF模型在分割問題上顯著的自適應(yīng)效果,建立了一個(gè)MRF無監(jiān)督分割模型,主要測試了馬爾科夫聚類算法的有效性,并同K-means聚類,F(xiàn)uzzy C-means聚類這兩種經(jīng)典的方法進(jìn)行了分割效果的比較。
1 機(jī)器視覺中的MRF建模
4 結(jié)論
該文主要在基于馬爾科夫隨機(jī)場理論的建模方面做了些工作,通過Gabor濾波器的紋理特征組成MRF模型的數(shù)據(jù)特征分量,利用變權(quán)重MRF模型在分割問題上顯著的自適應(yīng)效果完成灰度圖像分割,并且與近年來在代表性圖像分割算法做了比較性的研究,得出了MRF建模在像素空域關(guān)系上的優(yōu)勢。
參考文獻(xiàn)
[1] 張權(quán),胡玉蘭. 譜聚類圖像分割算法研究[J]. 沈陽理工大學(xué)學(xué)報(bào),2012(6).
[2] 鄒小林,馮國燦. 基于正則割(Ncut)的多閾值圖像分割方法[J]. 計(jì)算機(jī)工程與應(yīng)用,2012(19).
[3] 劉漢強(qiáng),趙鳳. 基于空間特征的譜聚類含噪圖像分割[J]. 模式識別與人工智能,2012(3).
[4] 陳姿羽,黃靖,李偉鵬. 一種改進(jìn)的自適應(yīng)譜聚類圖像分割算法[J]. 南方醫(yī)科大學(xué)學(xué)報(bào),2012(5).
[5] 李純,盧志茂,楊朋. 基于快速譜聚類的圖像分割算法[J]. 應(yīng)用科技, 2012(02)
[6] 鄒小林,陳偉福,馮國燦,等. 基于譜聚類的多閾值圖像分割方法[J].計(jì)算機(jī)科學(xué),2012(3).