一种基于非均匀马尔可夫随机场的图像分割方法

张 辉，胡阳涟

（1．咸阳师范学院 数学与信息科学学院，陕西 咸阳 712000；2．西安理工大学 理学院，陕西 西安 710054）

在图像处理和计算机视觉领域，图像分割是其中的一个难点，也是重点。它的目的是将我们感兴趣的目标从图像复杂的背景中提取出来，以便进行更深入的分析和处理。图像分割方法多种多样，如基于阈值的分割方法，基于边缘的分割方法，基于内容的分割方法，基于统计的分割方法等。基于马尔可夫随机场（MRF）模型的图像分割方法[1]，是一种基于统计的分割方法，以其模型参数少，空间约束能力强，易于和其他方法相结合等优点，在图像分割以及其他图像分析领域中得到了广泛的应用。

基于MRF模型的图像分割是基于贝叶斯后验概率理论的。一般采用双MRF，一个随机场对应于观测图像，另一个随机场对应于未知的分类标号，通过迭代算法将图像的局部信息逐步传递到整个图像，以求得分割标号的最大后验概率（MAP）。传统的基于 MRF模型的图像分割都是基于均匀MRF随机场的，即假定MRF中的耦合系数是一个常数。然而，在许多图像中，不同的纹理特征有不同的耦合系数，假定一个耦合系数会带来分割效果的明显变差，且不具有自适应性。近年来，许多学者提出了基于非均匀MRF的图像分割[2]，将图像建模为一个非均匀的MRF，改善了分割效果。非均匀MRF与均匀MRF的不同之处在于非均匀MRF采用的是可变的耦合系数，而均匀MRF的耦合系数是一个常数。一般将图像分为大小相等的子块，再用期望最大化（EM）算法[3]估计每个子块中心象素点的耦合系数，利用线性插值，得到每个象素点的耦合系数。……