一种基于模糊空间马尔科夫随机场的变化区域提取方法技术

本发明专利技术公开了一种基于模糊空间马尔科夫随机场的变化区域提取方法，能够有效地提取出差异图像中的变化区域。本发明专利技术包括如下步骤：(1)使用图像分割算法如迭代式阈值分割算法对差异图像的所有像素点进行初始分割；(2)使用模糊聚类算法(FCM)计算差异图像的隶属度矩阵，并利用隶属度矩阵优化马尔科夫随机场(MRF)的空间能量函数；(3)使用模拟退火算法对初始分割图像进行优化迭代，其中模拟退火的优化目标为最小化能量函数；(4)模拟退火迭代终止，获得最终的分割图像。

【技术实现步骤摘要】
一种基于模糊空间马尔科夫随机场的变化区域提取方法
本专利技术涉及计算机
，尤其涉及一种基于模糊空间马尔科夫随机场的变化区域提取方法。
技术介绍
差异图像中变化区域提取技术在国内外日趋成熟，并形成一系列新颖的研究成果。然而现阶段算法主要应用于卫星、无人机等遥感场景，难以应用于定点监控场景的案例，故仍然存在大量问题亟待解决：(1)为了适应于室外场景，现有算法提取“真正变化”区域，并过滤“伪变化”区域的能力仍有待提高(2)为了适应建筑物的形态特点，现有算法利用差异图像中像素点间的空间依赖关系的能力仍有待提高。因此，设计一个能准确地从差异图像中提取出变化区域的算法具有重要的意义。
技术实现思路
技术问题：本专利技术提供一种基于模糊空间马尔科夫随机场的变化区域提取方法，能够有效提取差异图像中的变化区域。技术方案：本专利技术所述的一种基于模糊空间马尔科夫随机场的变化区域提取方法，包括以下步骤：(1)使用图像分割算法如迭代式阈值分割算法对差异图像的所有像素点进行初始分割；(2)计算马尔科夫能量函数；(本文档来自技高网...

【技术保护点】
1.一种基于模糊空间马尔科夫随机场的变化区域提取方法，其特征在于，包括以下步骤：/n(1)使用图像分割算法对差异图像的所有像素点进行初始分割；/n(2)计算马尔科夫能量函数；/n(3)使用模拟退火算法对初始分割图像进行优化迭代，其中模拟退火的优化目标为最小化马尔科夫能量函数；/n(4)模拟退火迭代终止，获得最终的分割图像。/n

【技术特征摘要】
1.一种基于模糊空间马尔科夫随机场的变化区域提取方法，其特征在于，包括以下步骤：
(1)使用图像分割算法对差异图像的所有像素点进行初始分割；
(2)计算马尔科夫能量函数；
(3)使用模拟退火算法对初始分割图像进行优化迭代，其中模拟退火的优化目标为最小化马尔科夫能量函数；
(4)模拟退火迭代终止，获得最终的分割图像。


2.根据权利要求1所述的一种基于模糊空间马尔科夫随机场的变化区域提取方法，其特征在于，所述步骤(1)具体包括以下步骤：
(11)求出差异图像中最大和最小的灰度值，分别记为a和b，初始阈值T＝(a+b)/2；
(12)根据阈值T将图像分割为前景和背景两个类别，并求出两个类别的均值μ1和μ2；
(13)重新计算阈值T＝(μ1+μ2)/2；
(14)当均值μ1、μ2不再变化时，则T即为所求阈值，否则转步骤(12)继续迭代；
(15)对生成的二值图像进行形态学重建，用于去除图中孤立的噪音。


3.根据权利要求1所述的一种基于模糊空间马尔科夫随机场的变化区域提取方法，其特征在于，所述步骤(2)包括以下步骤：
(21)对于输入图像I，它的分类结果为C，其中，C是记录图像I中所有像素点对应的标签集合，由条件概率可得P(C|I)的定义为：



其中，P(C|I)为已知输入图像I得到其分类结果为C的条件概率；P(I)为输入图像的概率分布，由于图像I在输入那一刻已经确定，故可将P(I)看作是定值；P(C)为标签集合C的概率，属于先验概率；P(I|C)为已知标签集合C得到对应的输入图像I的后验概率；
根据HammersleyClifford理论可知，MRF与吉布斯分布是等价的，即先验概率P(C)满足吉布斯分布，由此可得：



U(C)＝∑w∈WVw(C)(3)



其中，为归一化因子，T为温度常量，设为1；U(C)为势能函数，W为势能团集合，w为势能团W的一个基团，指像素点间构成的连接关系；Vw(C)为基团w的势函数，β为耦合系数，表示邻域内相邻像素的惩罚因子；s，r分别指相邻的两个像素点；
对于标签集合C，每一类标签所对应的像素点集合的灰度值分布可以用多个高斯函数加权表示，即P(...

【专利技术属性】
技术研发人员：张小国，高烨，陈孝烽，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32