Markov隨機場在圖像處理中應用的研究.pdf

1、Markov隨機場(MarkovRandomField,即MRF)理論已經廣泛應用于計算機視覺及圖像處理領域中，它提供了方便而直接的方法以概率來描述圖像像素具有的一些空間相關的特性，MRF與Gibbs分布的等價性的提出極大的推廣了其在數字圖像處理中的應用，MRF中聯合分布的概念提出又為研究者提供了在貝葉斯體系下進行圖像處理的MRF模型。本文應用MRF理論解決數字圖像處理中的三個典型的問題：二值圖像復原有著廣泛的應用,例如指紋圖像預處理,

2、文本圖像復原等，基于MRF的復原算法將原圖像看成是一個Markov場,以此作為先驗知識來進行最大后驗概率密度估計。如何進行最大后驗概率密度估計（MAP）的計算是圖像復原的關鍵之一，經典的確定性松弛算法和隨即松弛算法在收斂速度和全局收斂性上各有優(yōu)勢，本文提出一種改進的模擬退火算法，在迭代計算過程中動態(tài)修改ISING模型中的耦合系數，加快其收斂過程，有效的復原被強高斯噪聲污染的文本圖像。圖像分割是數字圖像分析中的重要環(huán)節(jié)，基于MRF的圖像分

3、割方法用Gibbs分布中的參數表征圖像的不同紋理特征，對圖像中噪聲的影響有較好的抑制作用，本文討論一種有別于經典模擬退火（SA）算法、Gibbs采樣算法和條件迭代模式（ICM）算法的偽統計松弛算法，該算法通過首先用一個近統計過程的計算為近確定過程提供一個好的初始分割，然后通過近確定性過程的計算快速收斂到局部極值點，得到最后的分割結果，實驗證明該算法在計算速度和全局收斂性上都有較好表現。目標單幀檢測算法利用單幀圖像內部信息，根據圖像平面內