基于馬爾可夫隨機(jī)場(chǎng)的圖像分割研究.pdf

1、圖像分割是計(jì)算機(jī)視覺中的關(guān)鍵技術(shù)之一?；隈R爾可夫隨機(jī)場(chǎng)(Markov RandomField,MRF)模型的圖像分割方法,是一種基于統(tǒng)計(jì)的分割方法,具有能充分利用先驗(yàn)知識(shí),能形成閉合的邊界,模型參數(shù)少且易于和其他方法相結(jié)合等優(yōu)點(diǎn),所以此方法在圖像分割領(lǐng)域中得到了廣泛的應(yīng)用。 本文研究了基于MRF的圖像分割算法,重點(diǎn)研究了基于MRF的圖像分割模型中的參數(shù)估計(jì)方法,以及MRF中的最大后驗(yàn)概率(Maximum A Posterior

2、i,MAP)問題的求解方法。 首先,研究了MRF中MAP問題的求解方法。為提高傳統(tǒng)的模擬退火(SimulatedAnnealing,SA)算法求解MAP問題的速度,在SA算法基礎(chǔ)上提出了一種基于振動(dòng)點(diǎn)的SA算法。在初始分割后,將圖像的像素點(diǎn)分為兩類：振動(dòng)點(diǎn)和穩(wěn)定點(diǎn),并借助鏈表的數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)振動(dòng)點(diǎn),每次迭代只對(duì)鏈表里面的振動(dòng)點(diǎn)進(jìn)行計(jì)算,以減少運(yùn)算量。另外,本文還對(duì)SA算法的停步準(zhǔn)則進(jìn)行了改進(jìn),避免了全局能量的計(jì)算。實(shí)驗(yàn)表明這種基于