基于Markov四叉树模型的无监督图像分割

摘要：

本文提出了一种基于分布特征的多尺度无监督图像分割方法.通过对多尺度图像数据在每个尺度上进行Gauss子集聚类,并将每个像素的邻域内的Gauss子集类别标记作为特征向量,利用多尺度Markov模型进行二次聚类,从而实现无监督图像分割.与其它基于多尺度Markov模型的无监督分割方法和传统动态聚类方法相比,该方法既无需假定每类的分布形式,又能较好地反映数据的概率结构.对合成图像与SAR图像的实验结果表明,该方法的分割精度接近于有监督的H-MPM和H-SMAP方法.

关键词：多尺度、四叉树、MPM(maximum posterior marginals)、EM(expectation maximization)算法、无监督分割

所属期刊栏目：32

分类号：TP3;TP2

资助基金：国家自然科学基金60375003;航空科研项目03I53059

在线出版日期：2005-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：219-223