基于MRF模型的可靠的图像分割

陆明俊; 王润生

您当前的位置：

首页 >

文章列表页 >

基于MRF模型的可靠的图像分割

更新时间：2025-12-08

- 基于MRF模型的可靠的图像分割
- Reliable Image Segmentation Based on Markov Random Field Model
- 电子学报 1999年第2期
- 作者机构：
  
  国防科技大学ＡＴＲ国家实验室
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TN919.8
- 纸质出版：1999
- 稿件说明：
移动端阅览
[1]陆明俊,王润生.基于MRF模型的可靠的图像分割[J].电子学报,1999(02):88-90.

Lu Mingjun, Wang Runsheng. Reliable Image Segmentation Based on Markov Random Field Model[J]. Acta Electronica Sinica, 1999, (2).
[1]陆明俊,王润生.基于MRF模型的可靠的图像分割[J].电子学报,1999(02):88-90. DOI：

Lu Mingjun, Wang Runsheng. Reliable Image Segmentation Based on Markov Random Field Model[J]. Acta Electronica Sinica, 1999, (2). DOI：

摘要

本文提出一种可靠的图像分割算法．基于实际图像是分割图像叠加了不规则噪声的假设，用ＭＲＦ（Ｍａｒｋｏｖｒａｎｄｏｍｆｉｅｌｄ）模型描述分割图像的先验分布，用被污染的高斯分布（ｃｏｎｔａｍｉｎａｔｅｄＧａｕｓｉａｎｄｉｓｔｒｉｂｕｔｉｏｎ）描述待分割的图像．采用Ｂａｙｅｓ方法，根据分割图像的后验分布（以观测图像为条件）所对应的ＭＲＦ模型的条件概率，用ＩＣＭ（ｉｔｅｒａｔｅｄｃｏｎｄｉｔｉｏｎａｌｍｏｄｅ）局部优化方法，获得ＭＡＰ（ｍａｘｉｍｕｍａｐｏｓｔｅｒｉｏｒｉ）准则下的图像分割结果．该算法与Ｌａｋｓｈｍａｎａｎ等［１］提出的算法相比，具有更好的可靠性．实验结果是令人满意的．

Abstract

A reliable image segmentation algorithm is proposed in this paper.Based on the assumption that the observed image is the sum of the segmentation image and the irregular corruptive noise

the segmentation image is modeled by a MRF（Markov random field）prior distribution while the observed image is modeled by a contaminated Gaussian distribution.The Bayes formulation is adopted to obtain the conditional distribution of the a posteriori distrbution of the segmentation image conditioned on the observed image

and based on MAP （maximum a posteriori） criterion the segmentation result is then obtained by applying ICM（iterated conditional mode） algorithm to maximize the a posteriori distribution.The algorithm has reliable segmentation result compared to that proposed by Lakshmanan et al .Experimental results are very satisfactory.

关键词

Keywords

references

浏览量

675

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

区域和邻域级信息相结合的加强型PFCM含噪图像分割算法

SwinT-Unet：基于双通道自注意力机制的超声图像分割方法

基于双层联邦学习的高动态车联网业务边缘协作计算机制

基于IGZO薄膜晶体管的高可靠性时分驱动GOA电路

基于比尔朗伯定律的变分水平集模型