[发明专利]一种具有边缘保持的多尺度MRF模型图像分割方法

说明书

本发明公开一种具有边缘保持的多尺度MRF模型图像分割方法，先基于多栅格模型建立局部交互的图像多尺度栅格分割模型，再利用具有边缘保持作用的Cauchy模型提取图像的边缘先验知识，建立融合边缘保持的局部区域交互多尺度MRF模型，对图像进行分割；以实现图像局部区域特征和边缘特征的融合，解决常规多尺度MRF模型在最优化过程中的块效应现象，有效保持图像分割结果的边缘。

技术领域

本发明属于图像分割技术领域，具体涉及一种具有边缘保持作用的多尺度MRF模型的图像分割方法。

背景技术

基于多尺度MRF(Markov Random Field)模型的图像处理方法得到了广泛的应用。这种多尺度MRF结构常采用图像的多分辨率方式，利用较低分辨率的图像描述图像的全局特征，较高分辨率的图像描述图像的细节特征，然后通过多尺度MRF模型层间的因果关系，建立从上而下的图像分割算法。

基于多尺度MRF模型的图像分割算法具有较低的计算复杂度，但是常用的多尺度MRF模型的四叉树结构在多尺度模型建立的过程中，导致低分辨率图像边缘细节的模糊，甚至缺失，并且在多尺度MRF模型的推理过程中，层间的标签信息传递常采用直接膨胀映射方式。这种直接映射方式常导致图像的分割结果出现边缘模糊的现象。

Felzenszwalb(Felzenszwalb P.F,Huttenlocher D P.Efficient BeliefPropagation for Early Vision[J].International Journal of Computer Vision,2006,70(1):167-181.)提出了一种不改变图像分辨率的多尺度技术，这种技术在原始图像中，通过不同尺度的多栅格方法，对图像进行多尺度随机场建模，因而在较大尺度图像中有效保持了图像的细节特征，但是这种方法在图像分割过程中，由于局部区域先验模型的平滑作用，仍会导致局部区域的块效应，以及图像分割边缘的模糊现象。

发明内容

本发明的目的在于提供一种具有边缘保持的多尺度MRF(Edge PerservingMultiresolution Markov Random Field，EPMRMRF)模型图像分割方法，以解决常规基于多栅格技术的多尺度MRF模型图像分割的边缘模糊问题。本发明先基于多栅格模型建立局部交互的图像多尺度栅格分割模型，再利用具有边缘保持作用的Cauchy模型提取图像的边缘先验知识，提出了一种具有边缘保持作用的多尺度MRF模型分割方法，以实现图像局部区域特征和边缘特征的融合，解决常规多尺度MRF模型在最优化过程中的块效应现象，有效保持图像分割结果的边缘。

为了实现上述目的，本发明采用以下技术方案：

一种具有边缘保持的多尺度MRF模型图像分割方法，包括以下步骤：

步骤1：输入一幅待分割自然图像；

步骤2：参数初始化：确定分割类别数K、多尺度层数L、边缘尺度因子η初值；

步骤3：待分割自然图像的MRF似然分布采用高斯混合分布模型描述，高斯混合模型参数μ_k,利用EM算法估计；

步骤4：基于多栅格技术，建立局部区域交互的多尺度MRF模型；

步骤5：引入边缘保持Cauchy模型，建立融合边缘保持的局部区域交互多尺度MRF模型；

步骤6：从第l层MRF模型开始，取m为当前层迭代次数，利用区域置信度传播算法进行迭代，然后基于MPM准则估计当前分割结果，并遍历图像计算当前分割结果的能量函数；

步骤7：计算当前层的第m次迭代的MRF全局能量；

步骤8：判断相邻两次迭代MRF全局能量值变化是否满足中止条件：小于设定的阈值或者达到设定的迭代次数，如果不满足中止条件，则重复步骤6；否则中止。