针对全局同态先验马尔可夫随机场(Markov random field,MRF)模型在图像分割中不能有效利用图像局部统计特征的问题,提出了一种基于局部自适应先验MRF模型的图像分割算法。该算法基于贝叶斯理论,利用局部先验Potts模型描述图像的局部特征,建立了一种局部自适应先验MRF模型;提出了基于区域的置信度传播(Belief Propagation,BP)算法,把图像的局部区域特征传递到全局,最终基于最大后验准则(MAP)得到图像的分割结果。实验结果表明:所提模型对于图像中的噪声或者纹理特征等具有较好的分割,分割结果明显优于全局同态先验MRF模型;提出的自适应先验MRF模型对于图像的噪声或者纹理突变信号的干扰具有较强的鲁棒性;算法具有较少的迭代次数和较好的分割结果,且分割时间较短。
针对基于多尺度马尔可夫随机场(Markov random fields,MRF)的图像分割中常产生块效应的问题,提出了一种多尺度置信度传播(belief propagation)算法,通过建立不同尺度的局部区域,在MRF分割模型上进行区域消息的传播,最终基于局部区域概率的最大后验准则(maximum a posterior)得到图像的分割结果.提出的算法把图像的局部区域特征和全局特征结合起来,在图像的精细层进行多尺度消息的传递,避免了常规多尺度MRF模型层间误分类的传递.提出的算法不仅得到了更准确的图像分割结果,而且具有较快的分割速度.实验结果表明了提出算法的有效性.
