结合高斯回归模型和隐马尔可夫随机场的模糊聚类图像分割.pdfVIP

第36 卷第11 期 电 子 与 信 息 学 报 Vol.36No.11 2014 年11月 Journal of Electronics Information Technology Nov. 2014 结合高斯回归模型和隐马尔可夫随机场的模糊聚类图像分割 赵雪梅 李 玉 赵泉华* (辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究院 阜新 123000) 摘 要：为了克服经典模糊聚类图像分割算法对图像噪声的敏感性，该文提出结合高斯回归模型(GRM)和隐马尔 科夫随机场(HMRF)的模糊聚类图像分割算法。该算法用信息熵正则化模糊 C 均值(FCM)的目标函数，再用 KL(Kullback-Leibler)信息加以改进，并将HMRF 和GRM 模型应用到该目标函数中，其中HMRF 模型通过先验 概率建立标号场邻域关系，而GRM 模型则在中心像素标号与其邻域像素标号一致的基础上建立特征场邻域关系。 利用提出的算法和其它经典算法分别对模拟图像、真实SAR 图像以及纹理图像进行了分割实验，并对分割结果进 行精度评价。实验结果表明，该文提出的算法具有更高的分割精度。 关键词：图像处理；图像分割；模糊聚类；隐马尔可夫随机场；高斯回归模型；KL(Kullback-Leibler)信息 中图分类号：TP751 文献标识码：A 文章编号：1009-5896(2014)11-2730-07 DOI: 10.3724/SP.J.1146.2013.01751 Image Segmentation by Fuzzy Clustering Algorithm Combining Hidden Markov Random Field and Gaussian Regression Model Zhao Xue-mei Li Yu Zhao Quan-hua (School of Geomatics, Liaoning Technical University, Institute for Remote Sensing Science and Application, Fuxin 123000, China) Abstract: This paper presents a new algorithm for image segmentation, which combines Hidden Markov Random Field (HMRF) and Gaussian Regression Model (GRM) to Fuzzy C-Means (FCM) clustering. The proposed algorithm uses the KL (Kullback-Leibler) information to regularize the objective function of FCM, and then utilizes HMRF and GRM to model the neighborhood relationship of the label field and feature field, respectively. The HMRF model characterizes the neighborhood relationship through its prior probability, while the GRM is established under the assumption that a pixel has the same label with its neighbors. This paper takes some experiments with the proposed algorithm and other FCM based