卢印举，段明义，苏玉

(郑州工程技术学院 信息工程学院，郑州 450044)

0 引言

图像分割是数字图像处理、计算机视觉领域中的基本问题之一，目前已取得了良好的应用成果，包括遥感图像分析技术[1]、磁共振成像(magnetic resonance imaging，MRI)技术[2]、合成孔径雷达(synthetic aperture radar，SAR)图像技术[3]以及目标检测技术[4]等应用领域。它主要是利用各类图像所具有纹理、颜色以及灰度等各方面的特征来划分图像，使各个区域展现出某一类特性。但是，在实际成像处理时，由于一系列因素包括场偏移效应、局部容积效应以及噪音等的影响，导致所采集到的图像出现了一些不同的特点，如复杂的场景分布、更为模糊的界线、比较低的对比度以及减低的特征易变性等，从而进一步降低了图像分割精度。因此，图像分割被认为是计算机视觉领域的核心探索问题。

到目前为止，有许多图像分割方法及其改进形式。由于本文研究的是基于概率图模型图像分割方法，因此，仅对以概率统计作为基础的图像分割处理进行介绍与分析，主要有高斯混合模型(Gaussian mixture model，GMM)和马尔科夫随机场(Markov random field，MRF) 2种分割模型。

传统的高斯混合模型[5]在进行图像分割的过程中，只是利用了像素的灰度，但是并未对各个像素间所对应的空间信息给予充分的关注，所以图像噪声显著地影响了图像分割的最终结果，从而导致分割精度水平低下。针对干扰噪声容易影响常规的高斯混合模型这一难点，文献[6]在图像预处理的基础上，提出了一种基于图像重塑的新型分割方法。……