基于馬爾科夫模型的紋理圖像分割.pdf

1、隨著計算機(jī)技術(shù)的發(fā)展，圖像的采集和應(yīng)用得到極大的重視和長足的進(jìn)展，圖像技術(shù)在科學(xué)研究、醫(yī)療衛(wèi)生、教育、和通信等方面得到了廣泛的應(yīng)用，對推動社會的發(fā)展、改善人們生活水平起到了重要的作用.然而海量的圖像數(shù)據(jù)與數(shù)據(jù)利用率極低之間的矛盾極大地影響了圖像處理技術(shù)的實際應(yīng)用.
　　 圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟，圖像的分割、目標(biāo)的分離、特征的提取和參數(shù)的測量將原始圖像轉(zhuǎn)化為更為緊湊的形式，使得更高層次的分析和理解成為可能.而紋理

2、分割作為圖像分割領(lǐng)域的重要組成部分，很多圖像都包含著豐富的紋理信息，準(zhǔn)確地表示紋理對于圖像分割至關(guān)重要.馬爾科夫隨機(jī)場模型(Markov Random Field, MRF)因其恰當(dāng)?shù)目臻g描述能力及完善的理論基礎(chǔ)，在具有復(fù)雜結(jié)構(gòu)信息的紋理圖像分割中取得了巨大的成功.本文以紋理圖像為研究對象，針對現(xiàn)有MRF模型的不足，研究并完成了一下兩個方面的工作：
　　 （1）針對多尺度MRF模型信息利用不充分的弊端，通過在多尺度MRF模型中引

3、入?yún)^(qū)域信息和模糊技術(shù)來更充分的使用統(tǒng)計信息，提出了一種基于區(qū)域特征的模糊多尺度MRF模型.通過對Brodatz紋理庫合成的紋理圖像的實驗，我們從定性和定量兩方面驗證了該模型的有效性.
　　 （2）多尺度MRF模型中，圖像的多尺度表述往往由小波變換實現(xiàn)，但是小波變換是一種線性變換，因此對圖像的非線性特征，如形狀、紋理、大小等的描述受到了約束.為了克服線性小波變換的不足，把小波變換從線性拓展至非線性上，提出了一種形態(tài)小波域的多尺度M