基于多节点拓扑重叠测度高阶MRF模型的图像分割

针对低阶马尔科夫随机场(Markov random field,MRF)模型难以有效表达自然图像中复杂的先验知识而造成误分割问题,提出一种基于多节点拓扑重叠测度高阶MRF模型(Higher-order MRF model with multi-node topological overlap measure,MTOM-HMRF)的图像分割方法.首先,为描述图像局部区域内多像素蕴含的复杂空间拓扑结构信息,利用多节点拓扑重叠测度建立图像局部区域的高阶先验模型;其次,利用较大的局部区域包含更多的标签节点信息能力,基于Pairwise MRF模型建立基于局部区域的部分二阶Potts先验模型,提高分割模型的抗噪能力;再次,为有效描述观察图像场与其标签场的似然特征分布,研究利用局部区域内邻接像素的Hamming距离引入图像局部空间相关性,建立局部空间一致性约束的高斯混合分布;最后,基于MRF框架建立用于图像分割的多节点拓扑重叠测度高阶MRF模型,采用Gibbs采样算法对提出模型进行优化.实验结果表明,提出模型不仅能有效抵抗图像强噪声和复杂的纹理突变干扰,鲁棒性更好,而且具有更准确的图像分割结果.