基于Markov隨機場的圖像分割方法研究.pdf

1、隨著科學技術的發(fā)展，圖像技術受到了足夠的重視和長足的發(fā)展。其中，圖像分割就是數字圖像處理的關鍵技術之一，也是目前圖像領域研究的熱點。圖像分割是圖像處理到圖像分析的關鍵步驟，分割的好壞直接影響后續(xù)工作的進展。理想的分割結果是需要理解后的結果作為先驗知識，這正是圖像分割的難點。針對這一問題本文通過構造單尺度的Markov隨機場模型進行圖像分割研究。在前人工作的基礎上，對如何構造Markov隨機場模型以及采用何種有效的快速分割方法進行深入地探

2、討和研究。
　　首先，在圖像預處理方面，利用中值濾波器對圖像進行去噪處理，再通過增強對比度使圖像變得更加清晰，再對處理后的圖像采用K-Means算法進行初始分割。其次，討論了單尺度的Markov隨機場模型理論，主要研究了貝葉斯估計，特征場中參數估計的最大期望（expectation-maximization，EM）算法，以及Markov隨機場中最大后驗概率（Maximum A Posteriori，MAP）估計理論。在構造Mark

3、ov隨機場模型方面，對標記場和特征場的各種模型進行討論，比較它們的優(yōu)缺點，最終標記場采用多級邏輯（multi-level logistic，MLL）模型，特征場采用有限正態(tài)混合（finite Gauss mixtured model，FGMM）模型，再根據Markov-Gibbs等價性，將圖像標記問題轉換為能量求解問題。最后，在分割算法方面，本文對條件迭代模式（iterativecondition model，ICM）算法進行改進，對穩(wěn)