基于马尔可夫模型的多分辨率图像分割算法

doi:10.3969/j.issn.1000-3428.2012.16.058

计算机工程 ›› 2012, Vol. 38 ›› Issue (16): 223-225. doi: 10.3969/j.issn.1000-3428.2012.16.058

基于马尔可夫模型的多分辨率图像分割算法

肖然，侯进

(西南交通大学信息科学与技术学院，成都 610031)

收稿日期:2011-09-05 修回日期:2011-12-01 出版日期:2012-08-20 发布日期:2012-08-17
作者简介:肖然(1986－)，女，硕士研究生，主研方向：数字图像处理；侯进，副教授
基金资助:
高等学校博士学科点专项科研基金资助项目(20090184120022)；中央高校基本科研业务费专项基金资助项目(SWJTU09CX036)

Multi-resolution Image Segmentation Algorithm Based on Markov Model

XIAO Ran, HOU Jin

(School of Information Science and Technology, Southwest Jiaotong University, Chengdu 610031, China)

Received:2011-09-05 Revised:2011-12-01 Online:2012-08-20 Published:2012-08-17

摘要/Abstract

摘要： 为解决图像分割中过分割、欠分割和依赖初始分割问题，提出一种基于马尔可夫模型的多分辨率图像分割算法。利用变权重方法改进多分辨率马尔可夫随机场算法，结合曲波和小波变换对图像进行多分辨率分析，并通过区域合并减少图像中的区域数。实验结果表明，与经典算法相比，该算法的分割性能较好。

关键词: 马尔可夫随机场, 多分辨率图像, 变权重, 曲波变换, 小波变换, 图像分割

Abstract: To solve the problem such as over-segmentation, under segmentation and dependence on initial segmented in image segmentation, this paper proposes a new multi-resolution image segmentation algorithm based on Markov model. It makes improvements on variable weight of Multi-resolution Markov Random Field(MRMRF) algorithm, combines curvelet transform and wavelet transform to multi-resolution analysis. It reduces area number of image by area merging. Experimental result proves the effectiveness of this algorithm compared with classical algorithms.

Key words: Marvok Random Field(MRF), multi-resolution image, variable weight, curvelet transform, wavelet transform, image segmentation

中图分类号:

TN911.73

肖然, 侯进. 基于马尔可夫模型的多分辨率图像分割算法[J]. 计算机工程, 2012, 38(16): 223-225.

XIAO Ran, HOU Jin. Multi-resolution Image Segmentation Algorithm Based on Markov Model[J]. Computer Engineering, 2012, 38(16): 223-225.

http://www.ecice06.com/CN/Y2012/V38/I16/223

参考文献

[1] 陈晓惠, 郑晨, 段汕, 等. 形态小波域多尺度马尔可夫模型在纹理图像分割中的应用[J]. 中国图象图形学报, 2011, 16(5): 761-766.
[2] Chittajallu D R, Shah S K, Kakadiaris I A. A Shape-driven MRF Model for the Segmentation of Organs in Medical Images[C]//Proc. of the 23rd IEEE Conference on Computer Vision and Pattern Recognition. San Francisco, USA: IEEE Press, 2010.
[3] Li Qingsheng, Liu Guoying. Multi-resolution Markov Random Field Model with Variable Potentials in Wavelet Domain for Texture Image Segmentation[C]//Proc. of 2010 International Conference on Computer Application and System Modeling. Taiyuan, China: [s. n.], 2010.
[4] Zhang Zhiyu, Zhang Xiaodan, Zhang Jiulong. SAR Image Pro- cessing Based on Fast Discrete Curvelet Transform[C]//Proc. of International Conference on Information Technology and Applications. Chengdu, China: [s. n.], 2009.
[5] Ma J W, Plonka G. The Curvelet Transform[J]. Signal Processing Magazine, 2010, 27(2): 118-133.
[6] Hideki N. MRF-based Texture Segmentation Using Wavelet De- composed Images[C]//Proc. of the 16th International Conference on Pattern Recognition. Kitakyushu, Japan: [s. n.], 2002.
[7] Chen Shifeng, Cao Liangliang, Wang Yueming. Image Segmen- tation by MAP-ML Estimations[J]. IEEE Transactions on Image Processing, 2010, 19(9): 2254-2264.
[8] Ma Xiang, Schonfeld D, Khokhar A A. Video Event Classification and Image Segmentation Based on Noncausal Multidimensional Hidden Markov Models[J]. IEEE Transactions on Image Processing, 2009, 18(6): 1304-1313.
[9] Liu Guoying, Wang Leiguang, Xie Wei. New Texture Segmen- tation Approach Based on Multiresoluton MRFs with Variable Weighting Parameters in Wavelet Domain[C]//Proc. of MIPPR’07. Wuhan, China: [s. n.], 2007.
[10] Deng Yining, Manjunath B S. Unsupervised Segmentation of Color-texture Regions in Images and Video[J]. Pattern Analysis and Machine Intelligence, 2001, 23(8): 800-810.
[11] 陈曾, 侯进, 张登胜, 等. 基于语义区域的图像重排[J]. 自动化学报, 2011, 37(11): 1356-1359.
[12] Martin D, Fowlkes C, Tal D. A Database of Human Segmented Natural Images and Its Application to Evaluating Segmentation Algorithms and Measuring Ecological Statistics[C]//Proc. of ICCV’01. Vancouver, Canada: IEEE Press, 2001.

[1]	许凤, 杨兴耀, 于炯, 李梓杨, 李晨瑜, 张君. 小波卷积增强的对比学习推荐算法[J]. 计算机工程, 2023, 49(5): 105-111,121.
[2]	孙欣悦, 李庆忠. 基于小波变换的水下显著性目标快速检测算法[J]. 计算机工程, 2023, 49(4): 249-255.
[3]	范润泽, 刘宇红, 张荣芬, 李景玉. 基于多尺度注意力机制的道路场景语义分割模型[J]. 计算机工程, 2023, 49(2): 288-295.
[4]	林志洁, 郑秋岚, 梁涌, 邢卫. 基于内卷U-Net的医学图像分割模型[J]. 计算机工程, 2022, 48(8): 180-186.
[5]	乔彩彩, 吴成茂, 李昌兴, 王佳烨. 结合隶属度与像素交替引导滤波的鲁棒模糊聚类算法[J]. 计算机工程, 2022, 48(8): 224-233.
[6]	杨志勇, 王俊杰, 金磊. 基于SE-CNN的人体摔倒检测方法[J]. 计算机工程, 2022, 48(6): 270-277.
[7]	黄胜, 冉浩杉. 基于语义信息的精细化边缘检测方法[J]. 计算机工程, 2022, 48(3): 204-210.
[8]	张相芬, 刘艳, 袁非牛. 基于倒金字塔深度学习网络的三维医学图像分割[J]. 计算机工程, 2022, 48(12): 304-311.
[9]	尚佳童, 雷涛, 张栋, 杜晓刚, 翟钰杰. 面向刻蚀图像分割的轻量可变形编解码网络[J]. 计算机工程, 2022, 48(12): 203-211,217.
[10]	曹加旺, 田维维, 刘学玲, 李郁欣, 冯瑞. 基于改进U-Net的人脑黑质致密部分割[J]. 计算机工程, 2022, 48(11): 14-21,29.
[11]	胡高珍, 徐胜军, 孟月波, 刘光辉, 冯峰, 段中兴. 基于边缘约束局部区域MRF的图像分割方法[J]. 计算机工程, 2021, 47(6): 253-261,270.
[12]	郝占军, 张岱阳, 党小超, 段渝. 基于信道状态信息的非接触式人员动作识别方法[J]. 计算机工程, 2021, 47(6): 172-181.
[13]	杨兵, 刘晓芳, 张纠. 基于深度特征聚合网络的医学图像分割[J]. 计算机工程, 2021, 47(4): 187-196.
[14]	郭文强, 李梦然, 侯勇严, 肖秦琨. 基于CLNF与BN模型的疼痛表情识别方法[J]. 计算机工程, 2021, 47(4): 298-305,312.
[15]	席英杰, 李克文, 徐延辉, 朱剑兵. 一种用于地震断层图像识别的SPD-UNet模型[J]. 计算机工程, 2021, 47(12): 249-255.

选择文件类型/文献管理软件名称

选择包含的内容

基于马尔可夫模型的多分辨率图像分割算法

Multi-resolution Image Segmentation Algorithm Based on Markov Model

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于马尔可夫模型的多分辨率图像分割算法

Multi-resolution Image Segmentation Algorithm Based on Markov Model

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价