吉林大学学报(工学版) ›› 2015, Vol. 45 ›› Issue (6): 2075-2079.doi: 10.13229/j.cnki.jdxbgxb201506049

• • 上一篇    下一篇

基于交互势函数和均场参数估计的分层MRF模型的纹理图像分割

李一兵1, 杨鹏1, 叶方1, 刘丹丹2   

  1. 1.哈尔滨工程大学 信息与通信工程学院,哈尔滨 150001;
    2.黑龙江科技大学 电气与控制工程学院,哈尔滨 150022
  • 收稿日期:2014-04-04 出版日期:2015-11-01 发布日期:2015-11-01
  • 通讯作者: 叶方(1980-),女,副教授,博士.研究方向:超宽带无线通信,认知无线电,图像处理与模式识别.E-mail:yefang0815@sina.cn
  • 作者简介:李一兵(1967-),男,教授,博士生导师.研究方向:图像处理,认知无线电,信息融合技术.E-mail:liyibing@hrbeu.edu.cn
  • 基金资助:
    国家自然科学基金项目(51374099,61301095)

Texture image segmentation using hierarchical MRF model based on the interactive potential function and mean-field parameter estimation

LI Yi-bing1, YANG Peng1, YE Fang1, LIU Dan-dan2   

  1. 1.College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001,China;
    2.College of Electrical and Control Engineering, Heilongjiang University of Science and Technology, Harbin 150022, China
  • Received:2014-04-04 Online:2015-11-01 Published:2015-11-01

摘要: 针对分层马尔科夫模型在用期望最大(EM)算法进行参数估计时,隐变量之间相互作用导致求期望值较难的问题,将均场理论应用到GMRF模型的系数估计中,使得模型的参数可以在不使用窗函数的情况下仅通过简单的线性方程即可求出。而对于固定势函数和变权重势函数不能表达图像区域间节点交互关系的缺点,提出了一种基于贝叶斯传播算法的交互势函数。试验结果表明:本文算法分割后的图像不仅具有良好的区域性,而且区域内部平滑,改善了传统小波域分层马尔科夫模型在分割区域内部存在混分的现象。

关键词: 通信技术, 分层MRF模型, 均场理论, 线性方程, 交互势函数, 图像分割

Abstract: To solve the difficult problem of expectations caused by interaction between hidden variables when using Expectation-maximization (EM) algorithm to estimate parameters for hierarchical Markov Random Fields (MRF) model, the mean-field theory is introduced into Gaussian-MRF (GMRF) model. Parameters can be estimated easily through simple linear equation in case of without window function. An interactive potential function based on Bayesian belief propagation algorithm is proposed to change the situation that the fixed or variable weighted potential function can not express the interaction of image regions. Experiments demonstrate that the proposed method not only has good regional classification but also smoothly internal region. In addition, the mixed and confused phenomenon of traditional hierarchical MRF is improved in wavelet domain.

Key words: communication, hierarchical MRF, mean-field theory, linear equation, interactive potential function, image segmentation

中图分类号: 

  • TN911.73
[1] Zhang Jun. The mean field theory in EM procedures for Markov random fields[J]. IEEE Trans Signal Processing,1992,40(10):2570-2583.
[2] 李骜,李一兵,刘丹丹. 基于照度划分的多尺度图像增强新算法[J]. 吉林大学学报:工学版,2012,42(2):494-498.
Li Ao, Li Yi-bing,Liu Dan-dan. Multi-scale image enhancement algorithm based on illuminance partition[J]. Journal of Jilin University(Engineering and Technology Edition),2012,42(2):494-498.
[3] Deng Hua-wu,Clausi D A. Unsupervised image segmentation using a simple MRF model with a new implementation scheme[J]. Pattern Recognition,2004,37(12):2323-2335.
[4] Kim J H, Yun I D,Lee S U. Unsupervised segmentation of textured image using Markov random field in random spatial interaction[C]∥1998 International Conference on Image Processing,Chicago,IL,1998:756-760.
[5] Zhang Jun, Modestino J W, Langan D A. Maximum likelihood parameter estimation for unsupervised stochastic model-based image segmentation[J]. IEEE Trans Image Processing,1994,3(4):404-420.
[6] 刘国英,等. 基于Markov随机场的小波域图像建模及分割[M]. 北京:科学出版社,2010:91-105.
[7] 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,2012,1(11):78-80.
Liu Xue-na,Hou Bao-ming.Weighted MRF algorithm for automatic unsupervised image segmentation[J].Computer and Modernization,2012,1(11):78-80.
[8] 毕晓君,彭伟. 基于改进贝叶斯优化算法的图像分割方法[J]. 应用科技,2010(12):19-22.
Bi Xiao-jun,Peng Wei. Image segmentation based on improved Bayesian optimization algorithm[J]. Applied Science And Technology,2010(12):19-22.
[9] 宋晓峰,王爽,刘芳. 基于区域 MRF 和贝叶斯置信传播的SAR图像分割[J]. 电子学报, 2010, 38(12):2810-2815.
Song Xiao-feng,Wang Shuang,Liu Fang. SAR image segmentation using Markov random field based on regions and bayes belief propagation[J]. Acta Electronica Sinica,2010,38(12):2810-2815.
[10] 李骜,李一兵,刘丹丹,等. 基于NSCT的多曝光工件图像Retinex增强方法[J]. 吉林大学学报:工学版,2012,42(6):1592-1596.
Li Ao,Li Yi-bing,Liu Dan-dan,et al. Retinex enhancement method of multi-exposure work piece images based on NSCT[J]. Journal of Jilin University (Engineering and Technology Edition),2012,42(6):1592-1596.
[1] 周彦果,张海林,陈瑞瑞,周韬. 协作网络中采用双层博弈的资源分配方案[J]. 吉林大学学报(工学版), 2018, 48(6): 1879-1886.
[2] 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[3] 孙晓颖, 扈泽正, 杨锦鹏. 基于分层贝叶斯网络的车辆发动机系统电磁脉冲敏感度评估[J]. 吉林大学学报(工学版), 2018, 48(4): 1254-1264.
[4] 董颖, 崔梦瑶, 吴昊, 王雨后. 基于能量预测的分簇可充电无线传感器网络充电调度[J]. 吉林大学学报(工学版), 2018, 48(4): 1265-1273.
[5] 牟宗磊, 宋萍, 翟亚宇, 陈晓笑. 分布式测试系统同步触发脉冲传输时延的高精度测量方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1274-1281.
[6] 丁宁, 常玉春, 赵健博, 王超, 杨小天. 基于USB 3.0的高速CMOS图像传感器数据采集系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1298-1304.
[7] 陈瑞瑞, 张海林. 三维毫米波通信系统的性能分析[J]. 吉林大学学报(工学版), 2018, 48(2): 605-609.
[8] 张超逸, 李金海, 阎跃鹏. 双门限唐检测改进算法[J]. 吉林大学学报(工学版), 2018, 48(2): 610-617.
[9] 关济实, 石要武, 邱建文, 单泽彪, 史红伟. α稳定分布特征指数估计算法[J]. 吉林大学学报(工学版), 2018, 48(2): 618-624.
[10] 李炜, 李亚洁. 基于离散事件触发通信机制的非均匀传输网络化控制系统故障调节与通信满意协同设计[J]. 吉林大学学报(工学版), 2018, 48(1): 245-258.
[11] 孙晓颖, 王震, 杨锦鹏, 扈泽正, 陈建. 基于贝叶斯网络的电子节气门电磁敏感度评估[J]. 吉林大学学报(工学版), 2018, 48(1): 281-289.
[12] 武伟, 王世刚, 赵岩, 韦健, 钟诚. 蜂窝式立体元图像阵列的生成[J]. 吉林大学学报(工学版), 2018, 48(1): 290-294.
[13] 袁建国, 张锡若, 邱飘玉, 王永, 庞宇, 林金朝. OFDM系统中利用循环前缀的非迭代相位噪声抑制算法[J]. 吉林大学学报(工学版), 2018, 48(1): 295-300.
[14] 王金鹏, 曹帆, 贺晓阳, 邹念育. 基于多址干扰和蜂窝间互扰分布的多载波系统联合接收方法[J]. 吉林大学学报(工学版), 2018, 48(1): 301-305.
[15] 石文孝, 孙浩然, 王少博. 无线Mesh网络信道分配与路由度量联合优化算法[J]. 吉林大学学报(工学版), 2017, 47(6): 1918-1925.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!