结合MRF和神经网络的多尺度彩色纹理图像分割方法

摘要

本发明涉及图像处理领域，公开了一种结合MRF和神经网络的多尺度彩色纹理图像分割方法。主要用以解决传统MRF方法中简单高斯模型无法准确描述特征场分布特性的问题。多尺度特征场建模时，在每一尺度上使用监督环境下神经网络的输出来估计纹理特征的概率分布。多尺度标记场建模在采用经典Potts模型的基础上，对每个像素位置考虑同尺度二阶邻域位置的标记集合与更低分辨率尺度上对应标记的交互。采用极大似然准则，经过自顶向下的过程，逐步将较低分辨率尺度的分割结果作用于下一尺度，最终实现多尺度图像分割。本发明获取的分割结果具有较好的区域一致性和边界真实性，可用于彩色纹理图像的分割。