【摘要】：图像分割是将图像中的每一个像素根据它的特性来分配标记的过程。具有相同标记的像素的集合就构成了相应的图像区域，所有像素标记的集合就构成了整幅图像的分割结果。因此如何处理好这两个分量之间的关系，对分割结果产生决定性的影响。根据Gibbs分布与MRF的等价性，可以将分割问题转化为优化问题。
图像分割是将图像中的每一个像素根据它的特性来分配标记的过程。相同特性的像素具有相同的标记（像素所属的类别，即分割后属于哪个区域），不同特性的像素具有不同的标记。在标记分配的过程中，每一像素不能多次分配。具有相同标记的像素的集合就构成了相应的图像区域，所有像素标记的集合就构成了整幅图像的分割结果。
由Bayes定理可知，区域的标号分量和区域的一致性属性之间的相互作用可以通过两个概率分布的积来体现（标号场的先验概率与观察场的似然概率），因此所有的算法就是如何处理这两个分量的权重。权重的引入将分割结果分为3种情况：（1）如果标号场分配较大权重使其占主导地位，即注重分割区域的局部属性，那么观察场的参数估计可能会偏离特征数据，分割结果区域的总体一致性属性表现比较差；（2）如果观察场分配较大权重占主导地位，即注重区域的总体一致属性，那么分割结果中区域的边缘局部属性表现较差；（3）如果二者分配相同的权重同等对待，那么可能参数估计是局部最优解而不是全局最优解，同样造成分割结果的不准确。因此如何处理好这两个分量之间的关系，对分割结果产生决定性的影响。根据Gibbs分布与MRF的等价性，可以将分割问题转化为优化问题。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
