基于MRF隨機場模型的機器人視覺圖像分割方法研究.pdf

1、隨著計算機等科學技術的快速發(fā)展，以計算機技術為支撐的機器人應用也越來越廣泛。機器人視覺圖像分割是移動機器人目標識別、跟蹤和視覺導航等的基礎，圖像分割結果將直接影響到特征提取、目標識別和跟蹤等后續(xù)高等級視覺處理的準確性。基于馬爾科夫(Markov Random Field，MRF)隨機場模型的圖像分割方法將數(shù)學統(tǒng)計學和估計理論引入到圖像分割中，通過貝葉斯理論有效地引入了圖像的先驗信息，充分考慮了圖像中相鄰像素之間的空間相互關系，具有較少的

2、模型參數(shù)，且易于擴展，因此該方法已成為計算機視覺圖像分割處理領域的一個研究熱點。
　　首先，本文以機器人視覺（Robot Vision，RV）圖像為研究對象，針對其模糊、噪聲較多等特點，對目前國內外已經(jīng)提出的眾多圖像分割方法進行對比分析，選擇將MRF分割方法引入到RV圖像分割中，對MRF分割方法進行了系統(tǒng)的研究。
　　其次，由于RV圖像的復雜多樣性，傳統(tǒng)的MRF分割難以取得較好的分割結果。為解決這一問題，本文提出一種基于四叉

3、樹分解的條件迭代(Iterative Conditional Mode，ICM)分割算法，充分考慮了圖像中不同區(qū)域的紋理特性，構造了一種變耦合系數(shù)的分割模型：針對ICM算法中定耦合系數(shù)分割精度不高的特點，將四叉樹分解引入到算法求解過程中，根據(jù)分解得到的不同區(qū)域各自的特性，對其賦予不同的耦合系數(shù)，得到一種適應區(qū)域特性的變耦合系數(shù)ICM算法。通過對不同圖像進行分割實驗，與傳統(tǒng)ICM算法相比，結果表明改進算法對圖像的適應性得到改善，分割可靠度