[发明专利]一种基于马尔科夫随机场与区域合并的图像分割改进算法

说明书

本发明公开了一种基于马尔科夫随机场与区域合并的图像分割改进算法，包括以下步骤：S1、通过使用带有高斯混合模型的马尔科夫随机场对图像进行初始分割；S2、将初始分割的结果进行区域合并；S3、输出区域合并后的最终分割结果，显著提高主观编码质量和码率准确性。本发明针对k‑means算法易受噪声点影响的问题，引入马尔科夫随机场理论，可以降低噪声点对分割的影响，提高了算法的抗噪性，同时在使用马尔科夫随机场和高斯混合模型得到了较为精确的初始分割以后，针对马尔科夫随机场算法易出现过分割问题，使用区域合并的思想，进一步对图像的分割结果进行更新，在既保证了分割目标主体的同时去掉了图像分割中的过分割区域，提高图像分割的精度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于马尔科夫随机场与区域合并的图像分割改进算法。

背景技术

近年来，随着科技的发展，人工智能技术的不断完善。图像作为信息传递中的重要途径，越来越多的图像处理技术得到发展，图像处理问题成为当下热门的研究问题。图像处理技术在人工智能、医学、农业等领域得到了广泛的应用。图像分割作为图像处理领域的经典问题，是计算机对图像进行进一步处理的关键步骤，图像分割结果的好坏直接影响了后续计算机对图像理解和分析的能力。马尔科夫随机场(MRF)模型是基于概率统计的图像分割模型，MRF理论本身不具有分割作用，但可以与特定的分割算法相结合，作为图像分割的重要手段。基于马尔科夫随机场的图像分割算法，能够充分的利用图像中的邻域信息，在图像分割领域得到了广泛的应用。但是当图像中的内容复杂、对比不鲜明时，基于MRF的图像分割算法容易出现过分割的问题。在解决这个过分割问题上，单纯的调节各个环节的参数，虽然可能减少过分割，但同时也存在破坏分割目标主体的情况。

针对现有基于MRF的图像分割算法容易出现过分割现象，分割结果不够理想等问题。提出了一种区域合并的改进算法，将区域合并思想与MRF理论相结合。区域合并是实现更加精细化图像分割的一种方法，这种方法的优点在于充分考虑了区域间的空间位置关系，降低了像素值对于图像分割的约束。同时，区域合并还可以对大块区域进行操作，这就为解决图像分割中的大块过分割区域提供了可行的依据。一定程度上解决了分割算法在减少过分割时，出现的破坏分割目标主体的问题。

因此，我们提出了一种基于马尔科夫随机场与区域合并的图像分割改进算法用于解决上述问题。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于马尔科夫随机场与区域合并的图像分割改进算法。

一种基于马尔科夫随机场与区域合并的图像分割改进算法，包括以下步骤：

S1、通过使用带有高斯混合模型的马尔科夫随机场对图像进行初始分割；

S2、将初始分割的结果进行区域合并；

S3、输出区域合并后的最终分割结果。

优选的，所述马尔科夫随机场对利用k-means算法得到分类标签的标签值进行建模，并使用高斯混合模型对图像像素值进行建模，对像素值进行拟合。

优选的，所述马尔科夫随机场建模后，利用MRF的空间约束去除图像分割中的部分噪声点。

优选的，所述标签值与所述像素值利用贝叶斯准则结合，使用最大后验概率求解方法，对使用k-means算法得到的分类标签进行更新，输出图像分割的初始分割区域。

优选的，标记各个所述初始分割区域间的相邻关系，通过各个区域的颜色差异和边界信息，分析区域之间的相似性，得到各个区域间的区域距离。

优选的，按照所述区域距离的大小对初始分割区域进行合并，计算区域合并前后的颜色散度变化，使用颜色散度变化率作为停止区域合并的条件，输出图像的最终分割结果。

与现有技术相比，本发明的有益效果是：