基于广义模糊随机场的图像优化分割方法

摘要

本发明公开了一种基于广义模糊随机场的图像优化分割方法，包括以下步骤：1.读入退化的、待分割的灰度图像；2.将读出的灰度信息变换到广义模糊隶属度[-1，1]间，得到关于图像的广义模糊集；3.建立图像的广义模糊随机场模型；4.建立图像的似然模型并取得相应的模型参数；5.根据贝叶斯规则、步骤3和步骤4所获得的模型，完成对图像的最大后验标记；6.将标记后图像的广义模糊集，按步骤二的逆变换变换回灰度区间，得到标记的灰度图像，从而实现对图像的分割。本发明通过在广义模糊框架下，完成对图像的优化分割，从而突破实验阶段的二值分割限制，实现了真正具有实际应用价值的多值模糊分割；而且分割精确，鲁棒性好。

主权项

1、一种基于广义模糊随机场的图像优化分割方法，其特征在于包括如下步骤：(1)读入退化的、待分割的灰度图像，将图像的灰度信息读出并存储于某一数组A中，并将所有象素点的灰度值变换到0～255的范围内；(2)将读出的灰度信息按正弦变换规则或线性变换规则变换到广义模糊隶属度[-1，1]间，得到关于图像的广义模糊集，用另一数组B表示；(3)通过在传统吉伯斯随机场模型基础上，加上一个表示广义模糊特性的广义模糊势能项，建立图像的广义模糊随机场模型，具体过程为：在步骤2所得的广义模糊集中，通过对集团中的不同阀势能进行累加得到广义模糊势能项，将传统随机场模型中的势能项更改为：确定类的势能项与广义模糊势能项的总和；(4)建立图像的似然模型并取得相应的模型参数，即得到关于步骤2所述的广义模糊集中象素点的密度函数，该密度函数用于描述图像数据间的相关关系；(5)根据贝叶斯规则、步骤3所获得的图像广义模糊随机场模型和步骤4图像似然模型，通过条件迭代模式的寻优过程完成对图像的最大后验标记；(6)将标记后的图像广义模糊集，按步骤2的逆变换变换回灰度区间，得到标记的灰度图像，从而实现对图像的分割。