关键词：图像分割，高阶马尔科夫随机场，拓扑重叠测度，高斯混合模型，Gibbs 采样算法。

文章链接：https://doi.org/10.16383/j.aas.c190780

2020年5月，控制科学与工程学科领域国内最具权威学术期刊《自动化学报》发表了一篇我所科研团队题为“基于多节点拓扑重叠测度高阶MRF模型的图像分割”的研究论文。

该研究得到了国家自然科学基金(51678470, 61803293)资助, 陕西省自然科学基础研究计划(2020JM-472,2020JM-473,2019JQ-760, 2017JM6106,2015JM6276) ；陕西省教育厅专项科研项目(18JK0477)；西安建筑科技大学基础研究基金(JC1703, JC1706)的资助。

图像分割是计算机视觉领域研究的核心问题之一，是图像进行更高层分析、理解的基础。近年来，基于马尔可夫随机场(MRF)模型的图像分割方法得到了广泛的关注，成为图像分割领域研究的热点。

该研究针对低阶MRF模型难以有效表达自然图像中复杂的先验知识而造成误分割问题，提出一种基于多节点拓扑重叠测度的高阶MRF模型的图像分割方法。

首先, 为了描述图像局部区域内多像素蕴含的复杂空间拓扑结构信息, 利用多像素拓扑重叠测度建立图像局部区域的高阶先验模型;其次, 利用较大的局部区域包含更多的标签节点信息能力, 基于Pairwise MRF模型建立基于局部区域的部分二阶Potts先验模型, 提高分割模型的抗噪能力;再次, 为了有效描述观察图像场和其标签场的似然特征分布, 研究利用局部区域内邻接像素的Hamming距离引入图像局部空间相关性, 建立了局部空间一致性约束的高斯混合分布;最终, 基于MRF框架建立用于图像分割的多节点拓扑重叠测度的高阶MRF模型, 采用Gibbs采样算法对提出模型进行优化。

根据人工合成图像和自然图像实验的定性和定量分析可知，提出的模型不仅能有效抵抗图像强噪声和纹理突变干扰，鲁棒性更好，而且具有更准确的图像分割边缘。