基于小波域TS-MRF模型的监督图像分割.pdfVIP

第30卷第1期 红外与毫米波学报 V01．30．No．1 1 2011年2月 J．InfraredMillim．Waves February，201 文章编号：1001—9014(2011)ol一0091—06 基于小波域TS．MRF模型的监督图像分割方法 刘国英1’2， 王爱民1， 陈荣元2， 秦前清2 (I．安阳师范学院计算机与信息丁程学院，河南安阳455002； 2．武汉大学测绘遥感信息工程国家重点实验室，湖北武汉430079) MarkovRandom 摘要：定义在单一空间分辨率上的树结构马尔可夫场(Tree．StructuredField，TS-MRF)模型能够表达 图像的分层结构信息，但难以描述图像的非平稳性．针对该问题，提出小波域的IS—MRF图像建模方法一W1S·MRF 模型．按照图像分类层次树的结构形式，该模型将一系列的MRF嵌套定义在多分辨率的小波域中：每一个树节点 对应于定义在不同分辨率上的一个MRF集合，并通过条件概率的形式将相邻分辨率上的MRF问的作用关系考虑 进来；同时相同分辨率的父子节点对应的MRF通过区域约束嵌套定义．基于wTS—MRF模型，给出了一个监督图像 分割的递归算法，通过给定的分类层次树表示先验信息，并通过训练数据给出叶子节点在各分辨率上的统计参数． 它在尺度内和尺度间两个层次上进行递归：首先，在最低分辨率上执行尺度内递归，即采用ICM算法从树的根节点 到叶子节点依次对MRF进行递归估计；然后执行尺度间递归，即在相邻的更高分辨率尺度上，通过直接投影的方 式依次获取每一MRF的初始估计，并采用ICM算法递归优化；最后，原始分辨率的MRF估计完成，获取最终分割 结果．两组实验从视觉效果和定量指标(整体分类正确率和Kappa系数)两个方面验证了算法的有效性． 关键词：小波变换；图像分割；树结构马尔可夫场；小波域树结构马尔可夫场 中图分类号：TP391文献标识码：A methodbasedon Supervisedimagesegmentation Markovrandomfieldinwaveletdomain LIU Guo—Yin91·2，WANGAi—Minl，CHENRong．Yuan2，QINQian—Qin92 of andInformation Normal (1．School 455002，China； Computer Engineering，AnyangUniversity，Anyang 2．State ofInformation in andRemote KeyLaboratory EngineeringSurveying，MappingSensing， Wuhan 430079，China) University．Wuhan iS tree．structuredMarkovRandom defin