基于CRF的图像语义分割与边缘优化系统

资 源 简 介

该项目旨在利用条件随机场（Conditional Random Fields）框架在MATLAB中实现图像的像素级语义分割与边缘精细化处理。CRF作为一种经典的概率判别模型，能够有效地捕捉图像像素间的空间上下文信息并改善分割质量。本项目实现了完整的分步算法逻辑：首先，系统接收来自预训练模型或特定特征提取器的初始分类概率图作为一元势能输入，这代表了单个像素属于某一类别的独立概率；其次，通过定义基于Lab颜色空间和像素坐标位置的加权函数来构建成对势能项，从而利用像素间的颜色相似度和空间邻近性来维护分割后的空间

详 情 说 明

基于条件随机场CRF的图像语义分割系统

项目介绍

本项目实现了一个基于条件随机场（Conditional Random Fields, CRF）的图像语义分割精细化系统。系统通过结合初始分类概率图（一元势能）与图像自身的底层特征（成对势能），利用均值场近似推理（Mean Field Inference）技术，对粗糙的分割结果进行迭代优化。该方法能够有效修复分割物体边缘的模糊问题，消除噪声干扰，并增强物体内部标签的空间一致性，使最终生成的语义掩码更加贴合实际物体轮廓。

功能特性

1. 自动化数据模拟：内置合成数据生成器，可模拟产生包含背景及多种几何形状的原始图像、地面真值（Ground Truth）以及带有噪声和模糊效应的初始概率图，方便快速验证算法效果。
2. Lab色彩空间处理：系统在计算成对势能时，自动将RGB图像转换至Lab色彩空间，利用其感知均匀性提高颜色相似度计算的准确性。
3. 高效均值场推理：实现了全连接CRF的简化版本，通过迭代更新像素标签分布，平衡局部预测与全局约束。
4. 双内核滤波机制：结合平滑内核（Smoothness Kernel）与外观内核（Appearance Kernel），分别模拟空间邻近性约束和颜色一致性约束。
5. 性能评估与可视化：内置平均交并比（mIoU）计算功能，并提供直观的多子图对比界面，展示原始图像、真值、初始分割与CRF精细化后的结果对比。

使用方法

1. 环境配置：确保MATLAB环境中已安装图像处理工具箱（Image Processing Toolbox）。
2. 参数调整：根据需求修改主程序中的类别数量（num_classes）、迭代次数（iterations）以及核心权重参数（w1, w2）。
3. 运行系统：执行主脚本，系统将自动生成模拟测试数据并开启CRF优化过程。
4. 结果查看：控制台将输出迭代进度及优化前后的mIoU对比数值，同时弹出图像窗口显示分割精细化的视觉效果。
5. 实际应用拓展：用户可以通过替换模拟数据生成部分的代码，接入来自深度学习模型（如U-Net, DeepLab等）输出的概率图作为输入，以提升实际场景中的分割质量。

系统要求

• 软件版本：MATLAB R2016b 或更高版本。
• 硬件要求：由于采用矩阵化运算，建议内存不低于8GB；针对大尺寸图像，处理时间将随像素数量及迭代次数增加。
• 核心依赖：imbilatfilt（双边滤波函数，用于模拟外观内核）。

实现逻辑与算法细节

1. 初始化阶段：

系统首先建立初始概率分布分布 Q，并通过对初始概率图取负对数操作转化为一元势能（Unary Potential）。一元势能代表了独立像素单元在不考虑周围环境时的分类偏好。

1. 成对势能构建：

• 平滑项（Smoothness Kernel）：通过高斯模糊操作（imgaussfilt）实现。它仅考虑像素间的空间距离，旨在由于分类噪声引起的小面积不连续点。
• 外观项（Appearance Kernel）：利用双边滤波技术（imbilatfilt）在Lab颜色空间下运行。该项同时考虑像素的物理距离与颜色相似度，确保只有在颜色相近且位置相邻时才进行标签传播，从而在平滑物体的同时保护边缘不被过度模糊。

1. 消息传递与更新：

在每轮迭代中，系统对各个类别的概率图分别计算上述两种内核的消息，并基于Potts模型进行兼容性转换。更新逻辑通过从总消息中减去当前类别的消息来模拟类间竞争。

1. 归一化处理：

为了防止数值溢出并保证概率分布的合法性，在每次更新后使用Softmax函数进行归一化。通过减去最大值项的技巧确保了指数运算过程中的数值稳定性。

1. 评价指标：

系统采用mIoU作为核心评价标准，通过计算预测掩码与地面真值在每个类别上的交集与并集之比，客观衡量CRF对分割质量的提升效果。