用于图像分割的VBI MRF模型

在统计图像分割中,通常将像素值的分布假定为高斯,并且最佳结果被认为是具有最大后验(MAP)概率的结果。 尽管普遍存在高斯和计算效率,但是并不总是严格遵循高斯假设,因此可能导致结果准确性较低。 尽管统计模型参数也被假定为随机变量的变分贝叶斯推理(VBI)已被广泛使用,但它几乎无法处理嵌入像素中的空间信息。 在本文中,我们将由马尔可夫随机场(MRF)模型解释的像素标签上的空间平滑度约束纳入VBI过程,从而提出了一种称为VBI-MRF的新型统计模型用于图像分割。 我们针对噪声损坏的合成图像和自然纹理镶嵌图,针对变异期望最大化(VEM)算法以及基于隐马尔可夫随机场(HMRF)模型和MAP-MRF模型的算法对我们的算法进行了评估。 我们的试验结果表明,所提出的算法比其他三种方法可以更准确地分割图像,并且能够产生鲁棒的图像分割。