● 摘要
图像分割是计算机视觉和图像工程中非常重要的研究内容，是从图像处理到分析、理解的关键环节。基于概率图模型的图像分割方法为解决图像信息处理中大量存在的不确定性问题提供了坚实的理论基础，并且概率图模型具有非常完善的理论框架，因此得到研究者们持续深入的研究和迅速发展，在计算机视觉、医学、遥感影像处理等领域得到了广泛应用。
传统的图像分割方法主要依赖像素的颜色特征，或加上边缘、纹理等低层特征，当图像中目标、背景较为平滑或二者特征易于区分时可以取得较好的分割结果，但是对于存在遮挡、阴影、噪声、背景杂乱或目标与背景特征相似等问题的图像往往很难精确、完整地分割出目标。针对这一问题，本文将形状这种高层的、全局的特征以不同的方式分别引入两种常用的概率图模型——马尔可夫随机场与条件随机场中，利用目标的形状先验信息约束目标边界指导分割，系统地研究了基于概率图模型和形状先验的图像分割方法。
本文的主要工作及创新点如下：
（1）详细介绍并分析了基于概率图模型和形状先验的图像分割方法的研究现状及其发展动态；概述了概率图模型的相关理论基础，包括研究发展历程、基本概念和类型，以及两种常用的概率图模型——马尔可夫随机场与条件随机场在图像分割中的应用、比较高效的推理算法和模型参数估计方法。
（2）提出了一种结合形状先验和边缘一致性约束的马尔可夫随机场图像分割方法。该方法将形状模板所表示的目标边界信息与使用Canny算子提取的图像边缘特征经过距离变换后相结合得到一个较为可靠的一致性目标边界约束，再和颜色特征共同定义分割能量，利用图割推理算法对能量函数进行最小化得到分割结果，实验表明相比于仅利用颜色特征的算法与结合形状先验的算法的分割结果，包含形状先验和边缘一致性约束的方法可以在图像中存在遮挡、阴影、背景杂乱、目标边界不分明或噪声等情况时更为完整地分割出目标，并且该一致性边界约束可以减少单一形状模板对齐后仍可能存在的形状差异的影响。
（3）提出了一种结合形状先验的条件随机场图像分割方法。该方法采用水平集中形状距离的离散形式进行形状相似性度量并定义形状先验能量项，通过形状模板与目标形状对齐从而使形状模板提供的形状先验信息具有仿射变换不变性；利用核函数方法估计颜色特征概率分布，可以更准确地对颜色特征建模并减少了参数个数与参数估计时间。该方法给出了包含颜色特征和形状先验的分割能量定义形式，并且条件随机场结构中还包含了图像像素的空间位置信息，使用图割推理算法对整个能量函数进行最小化得到分割结果，实验分别给出了用单一形状模板分割一个目标与分割多个相似的同类目标的结果，表明形状先验的引入能够有效应对图像中存在的噪声或遮挡物干扰、背景复杂、信息缺失、目标与背景特征相似等情况。