基于CSA和MCMC方法融合HMRF的脑部MRI自动分割研究

针对脑部磁共振(MR)图像分割问题,提出了一种基于克隆选择算法(CSA)和隐马尔可夫随机场(HMRF)的融合方法。首先,采用马尔可夫链蒙特卡尔(MCMC)算法对类标签进行估计,进行体素分类;然后,对分割结果进行偏场校正;最后,利用CSA的统计学进行HMRF模型参数估计,并利用迭代优化算法获得最终的分割结果。由于MCMC和CSA都是全局优化技术,所以HMRF-CSA算法能够克服传统HMRF方法的局部收敛以及较低分割精度的缺点。在仿真脑部MR图像集BrainWeb上的实验结果表明,对于主要脑部结构,本文算法的分割精度高于其他几种算法,且对图像伪影具有鲁棒性。     

基于MRF分层高斯混合模型的脑MR图分割

脑部磁共振(MR)图像由于偏移场和噪声存在灰度不均的特点.针对传统高斯混合模型应用于MR图像分割中存在噪声和异常值敏感等问题,提出一种基于马尔可夫随机场(MRF)的分层高斯混合模型分割算法.将传统的高斯混合模型进行分层处理,使用高斯混合模型替代其中的高斯分布;针对图像像素点构建MRF,更新分层高斯混合模型的先验概率;根...     

融合边缘特征的马尔可夫随机场模型及分割算法

针对区域马尔可夫随机场(MRF)模型的图像分割中常产生边缘模糊的问题,提出了一种融合边缘特征的区域MRF模型(IEFRMRF)及其分割算法。IEFRMRF模型基于MRF理论,首先通过边缘模板提取图像的边缘特征,建立局部区域的边缘先验约束;其次利用图像局部区域像素的空间约束关系描述图像的局部高斯统计特征,并通过期望最大化算法估计高斯特征参数;然后根据贝叶斯原理建立了具有边缘保持作用的区域MRF模型;最终采用区域置信度传播(BP)算法对IEFRMRF模型进行全局优化,把局部统计特征传递到图像的全局,并按照MAP准则估计图像分割标号。人工加噪声图像分割的实验结果表明,IEFRMRF模型的分割结果和传统高斯MRF模型、局部区域高斯MRF模型的分割结果相比,分割准确率分别提高了47.9%和21.4%,并且分割结果的边缘更清晰,自然图像的分割实验也验证了提出模型的有效性。     

自适应先验马尔可夫随机场模型的图像分割算法

针对全局同态先验马尔可夫随机场(Markov random field,MRF)模型在图像分割中不能有效利用图像局部统计特征的问题,提出了一种基于局部自适应先验MRF模型的图像分割算法.该算法基于贝叶斯理论,利用局部先验Potts模型描述图像的局部特征,建立了一种局部自适应先验MRF模型;提出了基于区域的置信度传播(Belief Propagation,BP)算法,把图像的局部区域特征传递到全局,最终基于最大后验准则(MAP)得到图像的分割结果.实验结果表明:所提模型对于图像中的噪声或者纹理特征等具有较好的分割,分割结果明显优于全局同态先验MRF模型;提出的自适应先验MRF模型对于图像的噪声或者纹理突变信号的干扰具有较强的鲁棒性;算法具有较少的迭代次数和较好的分割结果,且分割时间较短.     

利用组合马尔可夫模型的非监督图像分割方法

提出了一种基于边缘辅助的组合马尔可夫随机场模型(E-CMRF),并应用于非监督图像分割.在传统的马尔可夫标号场(MRF)基础上引入边缘二值随机场,二者相互作用构成组合随机场.该模型使用期望最大(EM)算法对待分割图像完成参数估计,并运用动态能量权值提高收敛速度.最后根据贝叶斯定理将图像分割问题转化为最大后验概率的求取,运用改进的Metropolis采样算法求得最大后验概率解.实验结果证明,该分割方法不需要人工给出先验信息,在具备抗噪性等特点的同时提高了分割精度.     

基于高斯-马尔可夫随机场模型的运动目标自动分割

提出了一种基于高斯 马尔可夫随机场(GMRF:GaussianMarkovRandomField)模型的运动目标自动分割算法.该算法采用有限高斯混合模型描述视频序列帧差图像的概率分布.在此基础上建立马尔可夫随机场模型,构造系统相应的能量函数.然后通过Metroplis优化算法求解能量函数的最优解,得出标记场,提取出运动目标.实验结果证明,该算法对运动目标分割具有很好的分割效果.     

基于马尔可夫随机场的医学图像分割

图像分割是一个经典难题,随着影像医学的发展,图像分割在医学应用中具有特殊的重要意义.马尔可夫随机场(Markov Random Field,即 MRF)方法是图像分割中一个极为活跃的研究方向.本文介绍了基于马尔可夫随机场模型的一般理论与图像的关系.并对基于MRF的传统条件迭代模式算法(ICM)进行改进,在初始分割后,对图像的像素点分为两类:稳定点和不稳定点,用队列存储不稳定点,每次迭代只对队列里面的不稳定点进行计算,以减少运算量.实验结果表明,改进的算法能够大幅度提高计算效率.     

基于小波域隐马尔可夫模型多尺度图像分割

提出了一种基于小波域自适应上下文结构的多尺度图像分割算法（JACMS）．该算法为了减小计算复杂度,采用隐马尔可夫半树模型和参数加权训练算法,得到了可靠的初始分割．为了获得较好的区域一致性和边缘准确性,在进行尺度间融合时,采用自适应的上下文结构分别应用于图像纹理均质区域和图像纹理边缘,保证了图像大致轮廓的准确性和可靠性,提高了分割后图像纹理边缘的精确度．对合成图像与航摄像片的实验结果表明,该方法的分割错误概率低于传统的基于小波域隐马尔可夫树模型的图像分割方法,且对真实图像得到了理想的分割效果．     

采用一种新的马尔可夫模型进行癌症医学图像分割

将数据驱动的蒙特卡罗型马尔可夫链(DDMCMC)这一新的马尔可夫模型运用于分割癌症医学图像.这一图像分割过程为:先将需要处理的空间分割成3层;创建平稳的马尔可夫链;采用数据驱动的方法运算得到启发式的信息;运用适合的数学原理来选取图像粒子.通过对比可知采用DDMCMC方法比采用其它算法在癌症医学图像分割方面更具有优点.     

用于图像分割的局部区域能量最小化算法

针对点对马尔可夫随机场(Pairwise MRF)模型中像素成对交互的结构不能充分描述图像丰富的局部统计特征问题,在研究Pairwise MRF模型基础上,提出了一种基于局部区域能量最小化的图像分割算法.该算法先利用图像局部区域信息构造局部区域能量模型,建立了一种局部交互的区域马尔可夫随机场分割模型,然后采用无环置信传播(LBP)算法对MRF全局能量进行优化.优化过程中,对局部区域能量进行收敛并按照MAP准则估计局部区域标号,通过LBP算法把局部区域信息传递到邻域区域中去.实验结果表明,所提出的新算法较标准LBP算法具有更好的分割结果,并有效地抑制了图像噪声信号和纹理信号对分割结果的干扰和影响.     

基于Markov链和关联规则的Web访问预测模型

用户访问预测是根据用户的历史访问信息和当前的访问路径预测用户下一步或将来可能访问的页面.因此可以利用预测结果提高服务器的性能,提高缓存的利用率和为用户提供个性化服务.提出了基于Markov链和关联规则的预测模型MAPM(Markov chain and association rule prediction model),该模型首先使用二阶Markov链找到用户下一步或将来可能访问的页面集,生成预测候选集;然后再使用二项关联规则从正向和反向两个角度修正Markov的预测结果,从而生成最后的预测页面.     

马尔可夫的概率情怀

 马尔可夫是圣彼得堡数学学派的卓越代表,他秉承和发展了切比雪夫的概率思想。第1次严格证明了中心极限定理;拓广了大数定理相关理论;创立了马尔可夫链,初步奠定了随机过程基础等。本文通过马尔可夫同恩师、师弟之间的学术切磋,展示了其高尚的科学人生观。     

随机马氏链的定义及性质

设|xn|是随机环境的马氏链一绕积马氏链，定义了一种特殊的hopf马氏链一绕积马氏链，并且讨论了绕积马氏链的主要性质及与随机马氏链的关系，得到了一种研究随机环境马氏链的主要方法．     

The relations among various Markov chains

Some basic equations and the relations among various Markov chains are established. These works are the bases in the investigation of the theory of Markov chain in random environment. Foundation item: Supported by the National Natural Science Foundation of China (10071058-2) and Doctoral Programme Foundation of China Biography: Hu Di-he (1935-), male, Professor, research interest: stochastic processes and random fractals.     

两参数强马氏过程之间的关系

利用两参数马氏过程和单参数强马氏过程的定义方式及各种停点之间的关系, 定义了1-强马氏过程、 2-强马氏过程和宽将来强马氏过程, 其中参数变换都是非随机的. 在随机过程循序可测条件下, 得到了*-强马氏过程一定是1,2-强马氏过程; 1,2-强马氏过程一定是宽将来强马氏过程. 在(F₄)条件下, 1,2-强马氏过程一定是单点强马氏过程. 宽将来强马氏过程一定是单点强马氏过程.     

关于马氏双链的遍历定理

给出了关于马氏双链的遍历定理 ,并且利用刘文教授 (1978)提出的分析方法对其进行了证明 ,所得结果是对一般马氏链遍历定理的推广     

关于隐马尔可夫模型的一个极限性质

隐马尔可夫模型是研究发音过程、神经生理学与生物遗传等问题的有力工具,并且在弱相依变量的建模上得到了广泛应用.本文假定隐藏的马氏链为非齐次的,从而导出了该模型泛函序列{fn(X0,...,Xn,Yn)}的强极限定理.     

非齐次二重Markov链的一个极限性质

Markov链是随机过程的一个特例，专门研究在无后效条件下时间和状态均为离散的随机转移问题．给出了非齐次二重Markov链的一个极限性质，使已有的相关结果得到了简化和补充．     

基于马尔可夫骨架过程的资金流动模型

在马尔可夫骨架过程理论的基础上讨论了资金流动模型．通过对此模型进行马尔可夫骨架过程建模并分析其瞬时分布,得出在任一时刻t的账户资金额Q（t）是某一非负线性方程的最小非负解．     

关于二重马氏链的相关性质

马氏链是一类特殊的随机过程,在随机过程论中也起着重要的作用。最初由A.A.Markov所研究。二重马氏链概念也是一重马氏链概念的推广。在给出二重马氏链的两个等价定义的基础上,同时提供了一个获得二重马氏链的方法以便于检验随机过程是否为二重马氏链。