耦合馬爾可夫隨機(jī)場與模糊聚類的紋理圖像分割算法研究.pdf

1、自然界許多場景表面都存在著紋理特征，紋理圖像分割是數(shù)字圖像處理領(lǐng)域研究的一個(gè)重要分支，在機(jī)器視覺中有著十分重要的作用。但是，一方面由于自然紋理類型龐雜，形態(tài)各異且結(jié)構(gòu)繁復(fù)；另一方面也因?yàn)閷θ祟愐曈X系統(tǒng)感知紋理的機(jī)理認(rèn)識不足；紋理圖像分割仍然是圖像處理領(lǐng)域的一大難題。在過去的四十多年中，廣大研究人員雖然提出了大量的紋理圖像分割算法，但是這些算法都存在著一定的不足。迄今為止，紋理圖像分割仍然是一個(gè)沒有得到很好解決的富有挑戰(zhàn)性的課題。

2、　　 本文以灰度紋理圖像的分割方法為研究內(nèi)容，對目前廣泛采用的一些紋理描述方法和紋理分割方法進(jìn)行了認(rèn)真的總結(jié)和研究。選擇了從基于特征的角度研究紋理圖像的分割問題。基于特征的紋理圖像分割包括特征提取和圖像分割這兩個(gè)步驟，本文分別對這兩個(gè)步驟進(jìn)行了研究完成了以下幾個(gè)方面的工作：
　　 (1)提出了一種結(jié)合模糊C-均值聚類和隱馬爾可夫隨機(jī)場的圖像分割算法。由于聚類算法不需要提供訓(xùn)練樣本，是一種無監(jiān)督的統(tǒng)計(jì)方法。但模糊C-均值聚類算法

3、沒有考慮圖像位置上的依賴關(guān)系，為此本文提出結(jié)合模糊C-均值聚類和隱馬爾可夫隨機(jī)場的圖像分割算法。該算法將隱馬爾可夫隨機(jī)場的先驗(yàn)概率和條件概率引入到聚類的目標(biāo)函數(shù)中，通過聚類的迭代思想獲取馬爾可夫模型的參數(shù)。
　　 (2)提出了一種耦合馬爾可夫隨機(jī)場紋理特征提取方法。紋理是一種區(qū)域特性，紋理特征的提取必須在一定的區(qū)域內(nèi)進(jìn)行。該方法根據(jù)紋理圖像的這一特性，采用高斯馬爾可夫隨機(jī)場提取紋理特征。在特征提取過程中充分考慮標(biāo)記場影響，從而在