基于非下采样Brushlet和马尔可夫随机场的图像分割

doi:10.3969/j.issn.1006-2475.2014.02.019

计算机与现代化

基于非下采样Brushlet和马尔可夫随机场的图像分割

(渤海大学信息科学与技术学院，辽宁锦州 121013)

收稿日期:2013-10-15 出版日期:2014-02-14 发布日期:2014-02-14
作者简介:刘雪娜(1976-)，女，辽宁锦州人，渤海大学信息科学与技术学院讲师，硕士，研究方向：计算机图形图像处理；侯宝明（1976-），男，辽宁瓦房店人，讲师，硕士，研究方向：计算机辅助几何设计；崔红霞(1969-)，女，黑龙江伊春人，教授，博士，研究方向：计算机视觉应用技术。
基金资助:
辽宁省教育厅一般研究项目（L2013422）

Image ***Segmentation* Based on Nonsubsampled Brushlet and *Markov Random Field***

(College of Information Science and Technology, Bohai University, Jinzhou 121013, China)

Received:2013-10-15 Online:2014-02-14 Published:2014-02-14

摘要/Abstract

摘要： 针对传统小波域马尔可夫随机场图像分割算法的纹理图像分割能力的不足，提出一种将非下采样Brushlet变换和马尔可夫随机场相结合的纹理图像分割像素点的空间相关性对分割结果的影响。实验表明，本文算法可以有效地实现纹理图像分割，在检测纹理方向信息和区域一致性上较传统算法有较大的提高。方法。用非下采样Brushlet变换作为图像分割的特征场，有效地提取纹理图像中的高维奇异信息；利用高斯马尔可夫模型提取特征场的参数，考察图像中的光谱信息以及

关键词: ,

非下采样Brushlet变换； 马尔可夫随机场；图像分割；迭代条件模式；最大后验概率准则

Abstract: In view of the shortages of conventional texture image segmentation based on Markov random field (MRF) in the wavelet domain, a segmentation method is proposed by combining nonsubsampled Brushlet transform and MRF. Nonsubsampled Brushlet transform is looked on as the feature field of the original image, which makes sure that the high dimensional singularity information of texture image is extracted effectively. And Gauss Markov model is used to compute the arguments of the feature field, which makes sure that the influences of the spectral information and the spatial correlations between pixels on the segmentation result are considered. Experiments show that this algorithm can effectively achieve the texture image segmentation and it is of more great improvement than traditional algorithm in the detection of texture direction information and regional consistency.

Key words: nonsubsampled Brushlet transform; Markov random field (MRF), image segmentation, ICM, MAP criterion

中图分类号:

TP391

刘雪娜，侯宝明，崔红霞. 基于非下采样Brushlet和马尔可夫随机场的图像分割[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2014.02.019.

LIU Xue-na, HOU Bao-ming, CUI Hong-xia.

Image Segmentation Based on Nonsubsampled Brushlet and Markov Random Field

[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2014.02.019.

参考文献 17

[1]	Fumiaki Tomita, Saburo Tsuji. Computer Analysis of Visual Textures[M]. Boston: Kluwer Academic Publishers, 1990.
[2]	Stan Z Li. Markov Random Field Modeling in Image Analysis[M]. New York: Springer-Verlag, 2009.
[3]	魏小莉,沈未名. 一种基于马尔科夫随机场模型的彩色纹理图像分割[J]. 武汉大学学报:信息科学版, 2010,35(8):955-958,978.
[4]	刘雪娜,侯宝明.变权重MRF算法在图像自动无监督分割中的应用[J]. 计算机与现代化, 2012(11):78-80,166.
[5]	Noda H, Shirazi M N, Kawaguchi E. MRF-based texture segmentation using wavelet decomposed images[J]. Pattern Recognition, 2002,35(4):771-782.
[6]	李旭超,朱善安,朱胜利. 基于小波域层次Markov模型的图像分割[J]. 中国图象图形学报, 2007,12(2):308-314.
[7]	刘国英,马国锐,王雷光,等. 基于Markov随机场的小波域图像建模及分割: Matlab环境[M]. 北京:科学出版社, 2010.
[8]	Meyer F G, Coifman R R. Brushlets: A tool for directional image analysis and image compression[J]. Applied and Computational Harmonic Analysis, 1997,4(2):147-187.
[9]	颜学颖,焦李成,王凌霞,等. 一种提高SAR图像分割性能的新方法[J]. 电子与信息学报, 2011,33(7):1700-1705.
[10]	焦李成,侯彪,王爽,等. 图像多尺度几何分析理论与应用: 后小波分析理论与应用[M]. 西安:西安电子科技大学出版社, 2008:162-163.
[11]	Havard Rue, Leonhard Held. Gaussian Markov Random Fields: Theory and Applications[M]. London: Chapman & Hall/CRC, 2005.
[12]	Mridula J, Patra D. Unsupervised segmentation of multispectral textured images using GA-GMRF model[J]. International Journal of Computer Science & Emerging Technologies, 2010,1(4):144-149.
[13]	赵银娣,张良培,李平湘. 广义马尔可夫随机场及其在多光谱纹理影像分类中的应用[J]. 遥感学报, 2006,10(1):123-129.
[14]	汤国安,张友顺,刘咏梅,等. 遥感数字图像处理[M]. 北京:科学出版社, 2004.
[15]	Wang L, Liu J. Texture classification using multiresolution Markov random field models[J]. Patter Recognition Letters, 1999,20(2):171-182.
[16]	Chan M, Levitan E, Herman G T. Image-modeling Gibbs distributions for Bayesian restoration[C]// Proceedings of the 1994 IEEE Southwest Symposium on Image Analysis and Interpretation. 1994:7-12.
[17]	Butler C S, Miller M I. Maximum a posteriori estimation for SPECT using regularization techniques on massively parallel computers[J]. IEEE Transactions on Medical Imaging, 1993,12(1):84-89.

基于非下采样Brushlet和马尔可夫随机场的图像分割

Image ***Segmentation* Based on Nonsubsampled Brushlet and *Markov Random Field***

可视化

摘要/Abstract

引用本文

使用本文

参考文献 17

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李静元, 张珂, 杨东裕. 基于雾计算的工业互联网安全数据访问方法[J]. 计算机与现代化, 2022, 0(12): 118-122.
[2]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[3]	宋鑫, 樊志强, . 基于Laguerre 前向神经网络的信息服务性能建模方法 [J]. 计算机与现代化, 2021, 0(03): 1-6.
[4]	魏健, 赵红涛, 刘敦楠, 加鹤萍 . 基于集成模型的超短时负荷预测方法[J]. 计算机与现代化, 2021, 0(03): 12-17.
[5]	段桂芹1，邹臣嵩2，刘锋2. 基于优化初始聚类中心的K中心点算法[J]. 计算机与现代化, 2019, 0(04): 1-.
[6]	李富星，蒙祖强 . 一种改进的类别区分词特征选择算法[J]. 计算机与现代化, 2019, 0(03): 73-.
[7]	白晓波1，邵景峰1，和征1，田建刚2. 基于学习的核偏最小二乘法优化扩展卡尔曼滤波[J]. 计算机与现代化, 2018, 0(09): 110-.
[8]	郑亚鹏，樊璐. 基于LSTM的临床血液需求预测方法[J]. 计算机与现代化, 2018, 0(05): 41-.
[9]	刘德春1，张秀国2，姜微2. 基于马尔科夫链的大学生自主学习能力预测方法[J]. 计算机与现代化, 2018, 0(05): 106-.
[10]	夏琨1，丁波1，刘俊1，刘子豪1，林亮成2. 基于内容分析的网络协议指纹识别[J]. 计算机与现代化, 2018, 0(05): 121-.
[11]	李华，江峰，于旭，杜军威，刘国柱. 基于粒度决策熵的属性约简[J]. 计算机与现代化, 2018, 0(04): 7-.
[12]	陈丽娟，谢伙生. 带负项值的onshelf效用项集并行挖掘算法[J]. 计算机与现代化, 2018, 0(04): 13-.
[13]	吴克介,王家伟. 基于知网与搜索引擎的词汇语义相似度计算[J]. 计算机与现代化, 2018, 0(04): 90-.
[14]	曲晓燕1，张勇亮2，吕晓峰1，马羚1. 基于模糊粒度相关向量机的缓变故障参数区间预测[J]. 计算机与现代化, 2017, 0(8): 5-.
[15]	付永忠，潘云峰. 基于改进蚁群算法的垂直旋转式贴片机贴装顺序优化[J]. 计算机与现代化, 2017, 0(8): 17-.

基于非下采样Brushlet和马尔可夫随机场的图像分割

Image Segmentation Based on Nonsubsampled Brushlet and Markov Random Field

可视化

摘要/Abstract

引用本文

使用本文

参考文献 17

相关文章 15

编辑推荐

Metrics

本文评价

Image ***Segmentation* Based on Nonsubsampled Brushlet and *Markov Random Field***