基于Markov随机场的图像分割方法研究-计算机应用技术专业论文.docxVIP

万方数据 万方数据 安徽工业大学硕士学位论文 论文题目： 基于 Markov 随机场的图像分割方法研究 The Image Segmentation Method and Research based on Markov Random Field 作 者： 任 然 学院： 计算机学院 指 导 教 师： 刘宏申 单位： 计算机学院 论文提交日期：2013 年 5 月 26 日 学位授予单位：安 徽 工 业 大 学 安徽马鞍山 24300 独 创 性 说 明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得 安徽工业大学或其他教育机构的学位或证书所使用过的材料。与我一同 工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表 示了谢意。 签名 日期： 关于论文使用授权的说明 本人完全了解安徽工业大学有关保留、使用学位论文的规定，即： 学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公 布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论 文,保密的论文在解密后应遵循此规定。 签名 导师签名 日期： 2 摘要 摘要 摘 要 随着科学技术的发展，图像技术受到了足够的重视和长足的发展。其中，图像 分割就是数字图像处理的关键技术之一，也是目前图像领域研究的热点。图像分割 是图像处理到图像分析的关键步骤，分割的好坏直接影响后续工作的进展。理想的 分割结果是需要理解后的结果作为先验知识，这正是图像分割的难点。针对这一问 题本文通过构造单尺度的 Markov 随机场模型进行图像分割研究。在前人工作的基础 上，对如何构造 Markov 随机场模型以及采用何种有效的快速分割方法进行深入地探 讨和研究。 首先，在图像预处理方面，利用中值滤波器对图像进行去噪处理，再通过增强 对比度使图像变得更加清晰，再对处理后的图像采用 K-Means 算法进行初始分割。 其次，讨论了单尺度的 Markov 随机场模型理论，主要研究了贝叶斯估计，特征场中 参数估计的最大期望（expectation-maximization，EM）算法，以及 Markov 随机场中 最大后验概率（Maximum A Posteriori，MAP）估计理论。在构造 Markov 随机场模 型方面，对标记场和特征场的各种模型进行讨论，比较它们的优缺点，最终标记场 采用多级逻辑（multi-level logistic，MLL）模型，特征场采用有限正态混合（finite Gauss mixtured model，FGMM）模型，再根据 Markov-Gibbs 等价性，将图像标记问 题转换为能量求解问题。最后，在分割算法方面，本文对条件迭代模式（iterative condition model，ICM）算法进行改进，对稳定点采用数组进行标记，每次迭代只对 不稳定点进行求解，实验结果表明，在不影响分割效果的情况下，减小了运算量， 提高了计算效率。 本文的算法是在 Microsoft Visual Studio 2008 编程环境下实现的，通过实验表 明，在 K-Means 算法初始分割后进行 Markov 随机场的图像分割分割效果较好，采用 改进的 ICM 算法较好的提高了时间效率。 关键词：图像分割；Markov 随机场；条件迭代模型 Ab Abstract The Image Segmentation Method and Research based on Markov Random Field Abstract With the development of science and technology,Image technology have got huge attention and considerable development.Among them, image segmentation is one of the key technologies of digital image processing,and one of the hotspot fields of researching images.Image segmentation is a critical step between the image processing and the image analysis.The result of image segmentation has a direct impact on the progress of the follow- up work.,Ideal segme