-
题名多尺度Markov模型的可适应图像分割方法
被引量：4
- 1
-
-
作者
郭小卫
田铮
林伟
熊毅
-
机构
西北工业大学计算机科学与工程系
西北工业大学应用数学系
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2005年第7期1279-1283,共5页
-
基金
国家自然科学基金(No.60375003)
航空科学基金(No.03I53059)
-
文摘
本文在图像分割的TSMAP(trainablesequentialmaximumaposterior)方法基础上,提出基于多尺度Markov模型的可适应ATSMAP(adaptiveTSMAP)图像分割方法.在给定训练图像及其基本真实分割(groundtruthsegmentation,GTS)的基础上,通过直接对原始图像的GTS进行小波变换产生粗尺度上的GTS,进而估计出图像数据的分布参数和Markov四叉树模型参数;上下文模型参数根据上下文的低维特征(类别数量特征)而非上下文本身来估计.该方法具有上下文模型参数估计计算量小,Markov四叉树模型参数可针对特定的待分割图像重新优化等优点(模型适应过程),解决了TSMAP方法易导致过学习的问题,在待分割图像与训练图像的统计特性不匹配的情况下,仍能给出较好的分割结果.对合成图像与SAR图像的实验结果表明,这种方法的分割精度高于TSMAP和其它几种基于多尺度Markov模型的图像分割方法.
-
关键词
tsmap(trainable
sequential
maximum
a
posterior)
多尺度narkov模型
Atsmap(adaptive
trainable
sequential
maximum
a
posterior)
图像分割
SAR图像
-
Keywords
tsmap（trainable sequential maximum a posterior）
multi.scale Markov model
Atsmap（adaptive tsmap）
image segmentation
SAR image
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
