基于灰度共生矩陣和MRF的紋理圖像分割.pdf

1、圖像分割應(yīng)用于人工智能、遙感、醫(yī)學(xué)等領(lǐng)域。圖像分割結(jié)果的質(zhì)量會(huì)對(duì)后續(xù)識(shí)別、分析有重要影響，因此圖像分割成為一個(gè)重要課題。在圖像分割領(lǐng)域中，紋理是一個(gè)非常重要的特征。紋理在自然界中呈現(xiàn)出多種表達(dá)形式，它們不但具有復(fù)雜的結(jié)構(gòu)、不規(guī)則的排列模式，而且還具有很強(qiáng)的隨機(jī)性。目前，紋理分割方法大都存在一定的局限性，因此對(duì)紋理圖像分割方法的研究始終是重點(diǎn)問題。
　　通過閱讀大量文獻(xiàn)，學(xué)習(xí)灰度共生矩陣方法和MRF(Markov Random Fi

2、eld，馬爾可夫隨機(jī)場(chǎng))方法并深入研究?jī)煞N方法，本文提出了基于灰度共生矩陣和MRF的紋理圖像分割方法。綜合考慮單尺度MRF的空域模型和空間像素相關(guān)性，采用聯(lián)合灰度信息的灰度共生矩陣進(jìn)行FCM(Fuzzy C-Means)聚類;建立MRF的標(biāo)號(hào)場(chǎng)和特征場(chǎng)，利用它們之間的相互作用，獲得最大后驗(yàn)概率MAP(Maximum A Poseter)并進(jìn)行優(yōu)化從而完成分割。多尺度MRF紋理圖像分割是通過不同的分辨率進(jìn)行圖像分析，因此它具有計(jì)算復(fù)雜度低

3、、收斂速度快、過分割現(xiàn)象少等特點(diǎn)。采用聯(lián)合灰度信息的灰度共生矩陣與多尺度MRF結(jié)合，使得紋理信息從鄰域系統(tǒng)、空間相關(guān)性以及多尺度等方面一同進(jìn)行描述。
　　實(shí)驗(yàn)表明，基于灰度共生矩陣和單尺度MRF的紋理圖像分割法的準(zhǔn)確度與一致性高于灰度共生矩陣法、單尺度MRF法;基于灰度共生矩陣和多尺度MRF的紋理圖像分割的準(zhǔn)確度與一致性高于灰度共生矩陣法、多尺度MRF法。其中，基于灰度共生矩陣和單尺度MRF的紋理分割法的分割準(zhǔn)確度與一致性均高于基