马尔可夫随机场及在其基础上的图像分割
数字图像处理可以分为确定性的分析方法和统计的方法。如果我们要采用统计的方法分
析处理图像,就要对图像建立相应的数学模型。马尔可夫随机场(MRF)是以其局部特性为
特征的,而图像中的各个点不是相互独立的,相邻的点也会相互影响,我们可以将这种特
性作为先验知识,这种先验知识可以利用 MRF 进行描述。所以我们选择 MRF 模型。
1. 马尔可夫模型
若随机场 ,满足:
a> ;
b>
则称 X 是以 为领域系统的 MRF。GRF 和 MRF 是等效的,马尔可夫随机场总是满足吉
布斯分布。
2 吉布斯随机场(Gibbs Random Field)
a> ;
b> ;
c>
则称 X 服从吉布斯随机场。
3 基于 MRF 的图像分割分析
首先图像分割问题可以转化为给图像标记的问题。先验知识模型描述好了,这样结合贝
叶斯决定规则并采用最大后验概率估计器(MAP),就可以将图像分割问题转化为求解图
像的最大后验概率估计问题。
X 是对图像所做的标记;F 是图像的观测值,是灰度矩阵; 是标记 w 的先验知识
(MRF,GRF), 是在 w 标记的前提下对应灰度的概率。又由于 给定的
一个常数,所以 。
其中 服从高斯分布,即 = ,则根据大数定律,其似
评论19
最新资源