基于Markov四叉树模型的无监督图像分割

• 作者: 林伟 田铮 郭小卫
• 来源期刊: 计算机科学
• 关键词: 多尺度,四叉树,MPM(maximum posterior marginals),EM(expectation maximization)算法,无监督分割
• 年，卷（期）: 2005,（2）
• 所属期刊栏目: 人工智能与图象处理
• 页码范围: 219-223
• 页数: 5页
• 字数: 4873字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2005.02.061

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田铮	西北工业大学计算机科学与工程系	164	1005	15.0	22.0
10	郭小卫	西北工业大学计算机科学与工程系	7	67	4.0	7.0