资源简介

摘要： 针对传统的马尔科夫随机场影像分割算法对影像噪声和像素异常值敏感，容易产生分割结果不准确以及边缘不平滑等问题，提出了一种基于有限高斯混合模型的隐马尔科夫随机场影像分割算法。首先，以期望最大化算法代替传统的K-means方法获得影像初始分割结果，并用双边滤波器对初始分割结果进行滤波处理。其次，使用有限高斯混合模型和Potts模型分别对影像特征场和标记场建模，并用期望最大化算法进行参数估计，从而获得特征场能量和标记场能量。最后，利用迭代条件模式算法进行能量函数最小化优化，获得最优分割结果。结果表明：相比于经典MRF方法和传统HMRF方法，该算法获得的分割结果更精确，并且概率兰德指数和全局一致性误差指标都优于这两种算法。    关键词： 贝叶斯定理;  隐马尔科夫随机场;  有限高斯混合模型;  双边滤波器;  期望最大化     Abstract: The traditional Markov random field algorithm used for image segmentation is often associated with some known problems，such as unsmooth edges of the segmented regions due toimage noise and abnormal pixels values，thus，subsequently inaccuracy segmentation results.On account of this phenomenon，an algorithm that follows the hidden Markov random field which is based on finite Gaussian mixture model is put forward.First，the initial segmentation results are obtained by replacing traditional K-means method with the Expectation Maximization (EM) algorithm，and they are smoothedby using the bilateral filter.Next，the finite Gaussian mixture model and the Potts modelare used to model the feature field and the mark field，and the EM algorithm is used for its parameter estimationto obtain the feature field energy and the mark field energy.Finally，the energy function is minimized by using the Iterative Condition Model (ICM) algorithm in order to achievean optimal segmentation result.Experimental results show that our approach achieved a more efficient result by comparingto the classical MRF method and the traditional HMRF method，and the probabilistic rand index and global consistency error indicators are better than that of existing

相关资源

1. 水质遥感监测的关键要素叶绿素a的反演算法研究进展
2. 基于无人机遥感技术的森林参数获取研究进展
3. 基于无线传感器网络的森林生态系统观测试验平台构建
4. 基于无人机激光雷达的森林冠层高度分析
5. 多源时序国产卫星影像的森林火灾动态监测
6. 基于无人机遥感技术的台风灾害倒伏绿化树木检测

下载说明

·如果您发现该资源不能下载，请通知管理员.gissky@gmail.com

·为确保下载的资源能正常使用，请使用[WinRAR v3.8]或以上版本解压本站资源,缺省解压密码www.gissky.net ，如果是压缩文件为分卷多文件，请依次下载每一个文件，并按照顺序命名为1.rar,2.rar,3.rar...，然后鼠标右击1.rar解压.

·为了保证您快速的下载速度，我们推荐您使用[网际快车]等专业工具下载.

·站内提供的资源纯属学习交流之用,如侵犯您的版权请与我们联系.