基于互信息量與馬爾可夫隨機場的圖像分割研究.pdf

1、圖像處理技術作為信息科學中的一個組成部分，正發(fā)揮著日益重要的作用。它融合了多學科的成果，并將之成功應用于航天、軍事、工業(yè)、農業(yè)等各個領域。圖像處理技術在醫(yī)學研究、臨床診斷和治療等方面也扮演著重要的角色，它已經成為保障人類健康的必備手段。 圖像分割常用算法大體可分為基于區(qū)域分割、基于邊界分割以及它們的融合算法三大類。本文基于互信息量和馬爾可夫隨機場(MRF)理論，圍繞基于區(qū)域的圖像分割方法進行了一些有益的探索。 互信息量(

2、MI)的概念源于信息論，它是兩個隨機變量統(tǒng)計相關性的一種測度。目前，互信息量是公認的圖像配準準則之一。互信息量應用于圖像分割的研究較少。近年來，有學者在此方向做了一些嘗試。在圖像配準中，互信息量作為聯(lián)結兩幅圖像的紐帶，發(fā)揮了重要作用。同樣地，互信息量也有可能作為一種聯(lián)結原圖像與分割圖像的紐帶，并在某些性能指標上提高分割的質量。 本文從互信息量入手，提出一種基于互信息熵差(dMI)測度的模糊交叉分割算法(DDC)。實驗結果表明，d

3、MI揭示了分割圖像與原圖像的一種內在聯(lián)系，因而得以有效地確定圖像分類數(shù)，而DDC算法對含有病灶的醫(yī)學圖像能夠進行自動優(yōu)化分割。 另外，本文基于模擬退火算法和互信息量，以最大互信息量為優(yōu)化目標，以dMI作為分類類數(shù)判據(jù)，并在此基礎上構造了一種新的閾值分割算法——最大互信息量分割算法(MMS)。實驗結果表明，該算法具有一些獨特的優(yōu)點。 基于隨機場的方法是一類考慮像素點之間空間關聯(lián)的統(tǒng)計學方法。其中，基于馬爾可夫隨機場(MRF

4、)的圖像分割方法應用較為廣泛。該理論也成功應用于圖像處理的其他方面，如圖像恢復、配準、重建等。本文基于樹結構的馬爾可夫隨機場(TS-MRF)，提出模糊多級邏輯模型(fuzzy MLL)，并提出了一種新的圖像分割算法——模糊TS-MRF算法。與傳統(tǒng)的MRF分割算法和TS-MRF算法比較，該方法在計算耗時增加很少的情況下，對分割精度提高較大。更為重要的是，該方法提供了一個新思路，使得基于MRF的先驗信息的描述更為精細。 并且，本文針

5、對基于二叉樹分割算法的分割停止判斷做了一些嘗試。我們在分割圖像中引入試探圖像作為“催化劑”，并以“催化劑”在分割結果中是否顯現(xiàn)為依據(jù)來判斷二叉樹分割的候選結點是否應該停止分割。初步實驗表明該方法簡潔有效。 雖然本文在上述方面做出了一些有益的探索，并取得了初步的成果，但仍有一些不足：(1)本文重點在于方法的提出與模型的建立，但針對所提出方法尚需進行大量的分割實驗并應用于解決臨床具體問題；(2)本文提出的模糊MLL模型提供了一個使得