基于markov随机场图像分割.pdf

Mar kov 随机场(Mar kov Ran dom Field,MRF )理论与贝叶斯理论相结合作为图像
处理的理论框架之一,已经广泛应用于计算机视觉及图像处理领域中。MRF 以提供
先验信息的方式增加了对图像处理的约束条件,和以高斯场为形式的条件分布结
合,提供了方便而直接的方法以概率来描述图像像素具有的一些空间相关的特性。
MRF 与 Gibbs 分布的等价性的提出又推广了其在数字图像处理中的应用。本文运用
MRF 理论研究如下几个方面的问题:
1. 图像去噪是图像分割等的预处理步骤之一。二值图像去噪有着广泛的应用,例
如指纹图像预处理,文本图像复原等。作者针对运用模糊 Gi bb S 随机场(GRF) 进
行图像去噪时,G ibbS 二元势团参数 p 由经验给定后不能自适应随图像区域特征
改变的不足,提出了一种自适应改变 p 值的算法,使在图像边缘 p 值自动调小
以较好保留图像细节信息,在图像灰度平缓区域内 p 值自动调大以有效抑制噪声。
通过对比实验表明,该方法在识别率上和细节分辨率上具有一定的优势。
2 . 图像分割是医学图像分析中的重要环节,基于 MRF 的图像分割方法用 G ibb S 分
布中的参数表征图像不同像素间的关联性,对图像中的噪声有较好的抑制作用。
作者提出一种有别于经典模拟退火(SA) 算法、条件迭代模式(工CM) 算法的混合
算法: 重构精英策略遗传算法(REGA ) 。该算法通过重构精英染色体把混合遗传算
法用于基于 MR F 的图像分割。实验证明该算法在相同参数设置和相同计算时间的
情况下分割效果优于工CM 算法,SA 算法和遗传算法(GA )。
3 . 作者在视觉信息处理过程的启发下,在现有的灰度空间的高斯一马尔可夫混合
金字塔模型的基础上,提出了小波域的高斯一马尔可夫混合金字塔模型(W一GMHP) ,
利用小波域提供的低频(LL ) ,中频(LH,HL) 和高频(HH) 更丰富的信息可以对图像进
行比只在灰度空间更好的处理。然后,作者对此模型与视觉信息处理过程的相似
性进行了初步的探讨。
关键词: 马尔可夫随机场,吉布斯随机场,图像分割
夕
A B S T R A C T
A B S T R A C T
T heories of M arkov R andom F ield (M R F) have been used in eom Puter vision and
im ag e P ro e e ssin g w id el又 a s a k in d o f im ag e P ro ee ssin g th eo ry fram e eo n lb in in g w ith
B a ey e s theo ry. M R F e an P ro v id e re strictio n s in im a g e P ro e essin g field w ith m o re P rio r
in form atio n , an d P ro v id e so m e e o n v en ient an d d iree t m eth o d s to d eserib e sP atial
eo rrelatio n s o f P ix els w ith P rob ab ility. A P P lic atio n s o f M RF in the field o f im ag e
P ro e e ssin g h av e b e en ex ten d ed w ith e o n firm atio n o f the equ iv alen e e b etw e en M RF an d
G ib b s d istrib u tio n .
M R F theo ry 15 aP P lied to tw o reP re sen tativ e qu estio n s in this P ap er.
1 . B in ary im a g e d e一n o isin g 15 w id ely u sed in m an y field s su ch as fin g er im ag e
P reP ro ee ssin g ,tex t im ag e re sto ratio n . Wi th th e flex ib le eliqu e s an d effe ctiv e P rio r
m odels,G ibbs R andom F ield (G RF ) h as gained m ore and m ore a