标题 | 结合边缘约束的马尔可夫随机场图像分割方法 |
范文 | 胡高珍 摘要:针对马尔可夫随机场(Markov Random Field,MRF)模型分割易产生边缘模糊的问题,提出了一种结合边缘约束的MRF分割模型。利用Canny检测算子提取图像的边缘信息建立边缘约束项,并将得到的边缘约束项与MRF模型能量函数结合,采用Gibbs算法进行能量最小化,得到最终的分割结果。实验结果表明,所提出的方法能有效地保持图像边缘信息。 关键词:图像分割;马尔可夫随机场;边缘信息 中图分类号:TP391.4 文献标识码:A 文章编号:1009-3044(2018)20-0174-01 1 前言 图像分割是计算机视觉领域一个重要的研究方向,也是图像理解的重要任务之一。近年来,基于马尔可夫随机场(Markov Random Field,MRF)模型的分割方法由于能较好地描述图像一致性特征而受到广泛应用。但是,目前常用的点对MRF(Pairwise MRF)模型不能有效地保持图像边界,易造成边缘模糊等问题。为了解决上述问题,本文提出了一种结合边缘约束的MRF分割模型。通过实验结果表明,提出的模型能够有效地保持图像边缘。 2 结合边缘约束的MRF模型 对待分割的图像,设[S=1,2,…,N]表示图像像素点的集合,令[X]表示观测图像,[Ns]表示第[s]个像素的邻域区域。令[Y]表示分割图像的标签场,[K]为图像的类别总数。基于贝叶斯理论,图像分割的后验概率表示为: [PY|X∝PX|YPY] (1) 相应的能量函数表示为: [EY|X=EX|Y+EY] (2) 其中[EY]是标号场[Y]的先验能量模型,[EX|Y]表示一元似然能量模型。 为了保持图像边缘特征,在能量模型中引入边缘约束,定义边缘能量函数为 [EB=γsr∈Ns?srbs,br] (3) 其中,[γ]是边缘先验参数;[bs]表示采用Canny边缘检测算子得到的图像边缘特征,取值为0或1,0对应非边缘点,1对应边缘点;[?srbs,br]表示边缘约束项,当任意两个节点[s,r]均是边缘上的点或者不是边缘上的点时,边缘约束项为0,反之,则给该点增加边缘惩罚。 将边缘约束能量函数加入式(2)中,得到具有边缘约束的MRF分割能量函数: [EY|X,B=EX|Y+EY+EB=s∈S-log2πσ2k-12σkxs-μkTxs-μk+sr∈Nsβδys,yr+γsr∈Ns?srbs,br] (4) 提出的分割模型的算法具体如下: (1) 给定输入图像[X],对待分割图像进行参数初始化:人工给定分类数[K],参数[β]和[γ]。 (2) 采用EM算法估计参数[μk,σk]。 (3) 由步骤(1)给定的参数,步骤(2)估计的参数[Θ?=μk,σkk=1,2,…,K]按照式(4)对图像进行初始化目标分割: (4) 采用Gibbs采样算法进行迭代估计,直到[Et+1Y|X-EtY|X≤ε]([ε]是一个很小的值)或达到最大迭代次数,算法终止,输出最优分割结果。 [下面从Berkeley数据集选取两幅图像给出图像在不同模型下的分割结果。 从分割结果对比图看,使用MRF模型的分割结果在图像边缘存在缺失、模糊或者出现明显的边缘带现象,本文提出的结合边缘约束的MRF模型的分割结果边缘细节较为清晰,能有效地描述图像边缘特征,可以看出结合边缘约束的MRF模型具有较好的分割性能。 3 结论 本文提出了一种结合边缘约束的MRF模型的图像分割方法,将基于Canny边缘检测算子提取的边缘特征融合到MRF模型中。实验结果表明,结合边缘约束的MRF分割模型在图像分割中能够有效地保持图像的边缘信息,具有良好的分割性能。 参考文献: [1] 王青云,赵宏宇,吴微微,等.融合局部和非局部信息的自适应贝叶斯分割方法[J].电子与信息学报,2014,36(4):1003-1007. [2] 张微. 融合边缘和形状先验的MRF目标分割[J]. 重庆理工大学学报(自然科学),2014, 28(10):79-85. [3] 徐勝军,韩九强,何波,等.融合边缘特征的马尔可夫随机场模型及分割算法[J].西安交通大学学报,2014,48(2):14-19. |
随便看 |
|
科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。