杨 勇，郭 玲，叶阳东

1.郑州工业应用技术学院 信息工程学院，河南 新郑451100 2.郑州大学 信息工程学院，郑州450000 3.郑州航空工业管理学院 档案馆，郑州450046

自然图像分割是计算机视觉领域的一项基本研究内容，它能够提供若干非重叠的区域、子区域、封闭光滑的曲线以及轮廓，因此，被广泛地应用于场景理解、模式识别、目标检测、目标跟踪、基于内容的场景理解、特效电影、工业检测等计算机视觉领域[1-2]。目前，关于自然图像的分割方法可归类为基于图论的方法、基于聚类的方法、基于均值漂移的方法以及二叉树分割的方法。

目前，在众多图像分割方法中，出现了大量利用概率密度函数进行特征聚类的方法，例如基于k-均值聚类、高斯混合建模、模糊c-均值、拉普拉斯建模等。然而，这些方法的缺点在于它们没有使用先验信息来增强空间的约束信息，即先验分布概率πk不依赖于像素xi，因此分割结果对光照与噪声影响比较敏感。为了克服这些缺点，一些先验约束信息被添加到概率密度分割建模中，例如结构信息、空间邻域约束关系信息等。由于马尔科夫模型能够将先验约束信息与概率密度结合起来，因此基于马尔科夫随机场的分割方法受到了广泛的关注与研究。为了满足空间约束的要求，通常利用密度信息的似然项与基于马尔科夫随机场模型的先验偏差项来共同完成空间约束的建模。通过分析发现，当前大多数基于概率密度图像分割的方法都满足于该框架。……