论文部分内容阅读
随着科学技术的发展，图像技术受到了足够的重视和长足的发展。其中，图像分割就是数字图像处理的关键技术之一，也是目前图像领域研究的热点。图像分割是图像处理到图像分析的关键步骤，分割的好坏直接影响后续工作的进展。理想的分割结果是需要理解后的结果作为先验知识，这正是图像分割的难点。针对这一问题本文通过构造单尺度的Markov随机场模型进行图像分割研究。在前人工作的基础上，对如何构造Markov随机场模型以及采用何种有效的快速分割方法进行深入地探讨和研究。首先，在图像预处理方面，利用中值滤波器对图像进行去噪处理，再通过增强对比度使图像变得更加清晰，再对处理后的图像采用K-Means算法进行初始分割。其次，讨论了单尺度的Markov随机场模型理论，主要研究了贝叶斯估计，特征场中参数估计的最大期望（expectation-maximization，EM）算法，以及Markov随机场中最大后验概率（Maximum A Posteriori，MAP）估计理论。在构造Markov随机场模型方面，对标记场和特征场的各种模型进行讨论，比较它们的优缺点，最终标记场采用多级逻辑（multi-level logistic，MLL）模型，特征场采用有限正态混合（finiteGauss mixtured model，FGMM）模型，再根据Markov-Gibbs等价性，将图像标记问题转换为能量求解问题。最后，在分割算法方面，本文对条件迭代模式（iterativecondition model，ICM）算法进行改进，对稳定点采用数组进行标记，每次迭代只对不稳定点进行求解，实验结果表明，在不影响分割效果的情况下，减小了运算量，提高了计算效率。本文的算法是在Microsoft Visual Studio2008编程环境下实现的，通过实验表明，在K-Means算法初始分割后进行Markov随机场的图像分割分割效果较好，采用改进的ICM算法较好的提高了时间效率。