基于TS-MRF模型的圖像分割.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(Markov Random Field，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，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TS-MRF(Tree Structured-Markov Random Field)的圖像分割算法，重點(diǎn)研究了在基于TS-MRF的

2、圖像分割模型上提出了利用小波變換提取紋理特征來改善初始分割的方法，小波域TS-MRF--WTS-MRF模型以及利用多尺度積思想的改進(jìn)WTS-MRF模型。
　　 首先，研究了利用小波變換提取紋理特征來改善初始分割的方法。由于初始分割在TS-MRF模型中有很大的影響，直接決定分割結(jié)果的好壞。小波變換提取圖像中每個(gè)像素點(diǎn)的10維紋理特征，再用聚類的方法對這些特征向量進(jìn)行分類則得到了比較好的初始分割。
　　 其次，在TS-MRF

3、模型中，所有隨機(jī)場均定義在單一分辨率的格網(wǎng)位置集合上，很難描述圖像的非穩(wěn)態(tài)特性。另外，基于TS-MRF模型進(jìn)行圖像分割時(shí)，當(dāng)前節(jié)點(diǎn)的分割結(jié)果對于它的祖先節(jié)點(diǎn)的分割結(jié)果依賴性非常嚴(yán)重，如果祖先節(jié)點(diǎn)的分割結(jié)果不好，它的分割結(jié)果也會(huì)較差?；诖?，本文采用小波域多尺度圖像分割的思想，將TS-MRF引入到小波空間中，利用小波變換的多尺度、多方向表達(dá)能力來彌補(bǔ)TS-MRF建模能力上的不足，提出了小波域TS-MRF模型。
　　 最后，WTS-