融入邻域作用的高斯混合分割模型及简化求解
目的 基于高斯混合模型(GMM)的图像分割方法易受噪声影响,为此采用马尔可夫随机场(MRF)将像素邻域关系引入GMM,提高算法抗噪性.针对融入邻域作用的高斯混合分割模型结构复杂、参数估计困难,难以获得全局最优分割解等问题,提出一种融入邻域作用的高斯混合分割模型及其简化求解方法.方法 首先,构建融入邻域作用的GMM.为了提高GMM的抗噪性,采用MRF建模混合模型权重系数的先验分布.然后,利用贝叶斯理论建立图像分割模型,即品质函数;由于品质函数中参数较多(包括权重系数,均值,协方差)、函数结构复杂,导致参数求解困难.因此,将品质函数中的均值和协方差定义为权重系数的函数,由此简化模型结构并方便其求解;虽然品质函数中仅包含参数权重系数,但结构比较复杂,难以求得参数的解析式.最后,采用非线性共轭梯度法(CGM)求解参数,该方法仅需利用品质函数值和参数梯度值,降低了参数求解的复杂性,并且收敛快,可以得到全局最优解.结果 为了有效而准确地验证提出的分割方法,分别采用本文算法和对比算法对合成图像和高分辨率遥感图像进行分割实验,并定性和定量地评价和分析了实验结果.实验结果表明本文方法的有效抗噪性,并得到很好的分割结果.从参数估计结果可以看出,本文算法有效简化了模型参数,并获得全局最优解.结论 提出一种融入邻域作用的高斯混合分割模型及其简化求解方法,实验结果表明,本文算法提高了算法的抗噪性,有效地简化了模型参数,并得到全局最优参数解.本文算法对具有噪声的高分辨率遥感影像广泛适用.
高分辨率遥感图像分割、高斯混合模型、马尔可夫随机场、共轭梯度法、全局最优解
22
TP391(计算技术、计算机技术)
国家自然科学基金项目41301479,41271435;辽宁省自然科学基金项目2015020090National Natural Science Foundation of China41301479,41271435;Natural Science Foundation of Liaoning Province,China2015020090
2018-01-09（万方平台首次上网日期，不代表论文的发表时间）
共11页
1758-1768
