【摘要】：圖像分割是計算機(jī)視覺中的經(jīng)典問題,在許多領(lǐng)域都有重要應(yīng)用.由于圖像信息存在不確定性,難以獲得精確的分割結(jié)果,為應(yīng)對圖像分割中的不確定性問題,將證據(jù)理論這一不確定性建模與推理工具與馬爾可夫隨機(jī)場相結(jié)合,提出證據(jù)馬爾可夫隨機(jī)場(EMRF)模型,并基于此提出新的圖像分割算法.EMRF利用證據(jù)標(biāo)號場描述像素標(biāo)號的含混性,以證據(jù)距離描述相鄰像素間的標(biāo)號關(guān)系,利用條件迭代模型(ICM)算法進(jìn)行優(yōu)化.實(shí)驗結(jié)果表明,EMRF相較于傳統(tǒng)馬爾可夫隨機(jī)場、模糊馬爾可夫隨機(jī)場和傳統(tǒng)的基于證據(jù)理論的方法,能獲得更好的分割效果.
[Abstract]:Image segmentation is a classical problem in computer vision and has important applications in many fields. Because of the uncertainty of image information, it is difficult to obtain accurate segmentation results. In order to deal with the uncertainty in image segmentation, evidence theory, an uncertain modeling and reasoning tool, is combined with Markov random field. Based on the evidence Markov random field (EMRF) model, a new image segmentation algorithm is proposed. EMRF uses evidence label field to describe the ambiguity of pixel labeling, and describes the labeling relationship between adjacent pixels by evidence distance. The conditional iterative model (ICM) algorithm is used to optimize the model. The experimental results show that compared with the traditional Markov random field, the fuzzy Markov random field and the traditional evidence-based method can achieve better segmentation effect.
【作者單位】： 西安交通大學(xué)智能網(wǎng)絡(luò)與網(wǎng)絡(luò)安全教育部重點(diǎn)實(shí)驗室;西安交通大學(xué)電子與信息工程學(xué)院;西安交通大學(xué)機(jī)械振動與強(qiáng)度國家重點(diǎn)實(shí)驗室;西安交通大學(xué)航天航空學(xué)院;
【基金】：國家973計劃項目(2013CB329405) 國家自然科學(xué)基金項目(61573275,61671370) 陜西省科技計劃項目(2013KJXX-46) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項資金項目(xjj2016066,xjj2014122)
【分類號】：TP391.41

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 魯曉磊;王芙蓉;黃本雄;;學(xué)習(xí)高階馬爾可夫隨機(jī)場:評分匹配方法[J];計算機(jī)應(yīng)用;2008年10期

2 王文濤;陳聰;李子茂;;并行圖切割馬爾可夫隨機(jī)場算法設(shè)計[J];武漢大學(xué)學(xué)報(工學(xué)版);2010年01期

3 蔣永馨;金俁欣;王孝通;黃華;;基于馬爾可夫隨機(jī)場的運(yùn)動目標(biāo)檢測[J];計算機(jī)工程與應(yīng)用;2010年15期

4 楚瀛;符楊;;馬爾可夫隨機(jī)場理論在目標(biāo)跟蹤中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2011年28期

5 王琳;劉君;黎明;;應(yīng)用馬爾可夫隨機(jī)場的金屬疲勞斷口條帶分割[J];計算機(jī)工程與應(yīng)用;2012年03期

6 汪濤,莊新華,邢小良;線元馬爾可夫隨機(jī)場模型和重建[J];電子學(xué)報;1992年07期

7 孫俊喜;王瑞;才華;郝德芳;;基于高斯—馬爾可夫隨機(jī)場模型的圖像修補(bǔ)方法研究[J];長春理工大學(xué)學(xué)報(自然科學(xué)版);2008年03期

8 薛永宏;張濤;陳榮利;安瑋;張寅生;;基于馬爾可夫隨機(jī)場的紅外有形目標(biāo)檢測算法(英文)[J];光子學(xué)報;2013年10期

9 仲興榮,肖圣兵;基于高斯-馬爾可夫隨機(jī)場模型的運(yùn)動目標(biāo)自動分割[J];蘇州大學(xué)學(xué)報(自然科學(xué)版);2003年03期

10 王彩鳳;馬超;廖福成;;高階馬爾可夫隨機(jī)場下目標(biāo)識別模型的建立[J];計算機(jī)工程與應(yīng)用;2013年19期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 李曉燕;葉龍;王京玲;;基于馬爾可夫隨機(jī)場的紋理合成[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

2 胡陽漣;趙鳳群;戴芳;張輝;;一種基于馬爾可夫隨機(jī)場的快速圖像分割算法[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

3 魏波;李曉峰;李在銘;;在運(yùn)動場景中檢測運(yùn)動目標(biāo)[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

4 鄭海紅;曾平;;估值與去噪相結(jié)合的逆半調(diào)算法[A];全國第13屆計算機(jī)輔助設(shè)計與圖形學(xué)（CAD/CG）學(xué)術(shù)會議論文集[C];2004年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 張驥祥;小波變換和馬爾可夫隨機(jī)場在圖像處理中的應(yīng)用研究[D];天津大學(xué);2007年

2 張印輝;多尺度馬爾可夫隨機(jī)場圖像分割方法研究[D];昆明理工大學(xué);2010年

3 高如新;2.1維簡約圖的表達(dá)、計算與應(yīng)用[D];華中科技大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 羅欣;馬爾可夫隨機(jī)場的小波域圖像建模及應(yīng)用研究[D];長安大學(xué);2015年

2 亓玉佩;高階乘冪法應(yīng)用于基于馬爾可夫隨機(jī)場的肺部4D CT圖像配準(zhǔn)方法研究[D];山東大學(xué);2017年

3 石嶺;基于馬爾可夫隨機(jī)場的木材表面紋理分類方法的研究[D];東北林業(yè)大學(xué);2006年

4 王瑞;基于馬爾可夫隨機(jī)場的非紋理圖像修補(bǔ)技術(shù)研究[D];長春理工大學(xué);2009年

5 王琳;基于馬爾可夫隨機(jī)場的金屬疲勞斷口圖像的紋理分割[D];南昌航空大學(xué);2011年

6 賈越;基于馬爾可夫隨機(jī)場算法的水下圖像深度提取[D];中國海洋大學(xué);2014年

7 林芬華;基于馬爾可夫隨機(jī)場的膝關(guān)節(jié)磁共振圖像分割方法的研究[D];合肥工業(yè)大學(xué);2010年

8 徐步玉;基于馬爾可夫隨機(jī)場的運(yùn)動目標(biāo)檢測方法研究[D];合肥工業(yè)大學(xué);2011年

9 殷文龍;馬爾可夫隨機(jī)場在視網(wǎng)膜血管分割中的應(yīng)用[D];云南大學(xué);2015年

10 楊睿國;基于馬爾可夫隨機(jī)場理論的文本圖像復(fù)原算法研究[D];華東師范大學(xué);2013年

，

本文編號：2405541