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.     

多尺度边缘检测与图像分割的马尔可夫随机场模型

利用小波变换模极大值检测图像的多尺度边缘信息，根据这些信息和改进的马尔可夫随机场模型对低信噪比图像进行Ｂａｙｅｓ分割，结果表明，和一般松驰算法相比这种方法改善了图像分割的质量。     

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.     

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.     

基于多随机场遥感图像分割

结合二维Wold分解技术来对遥感图像进行分割，将图像分解为确定性随机场和纯不确定性随机场，通过调整它们之间的比例关系，来加强纹理边缘，从而改善马尔可夫标记场模型对纹理边缘过平滑的现象．实验对城区目标进行提取，结果表明本方法的有效性优于纯马尔可夫随机场所采取的分割方法．     

基于马尔可夫随机场的遥感图像分割和描述

讨论了基于马尔可夫随机场的遥感图像分割．根据卫星遥感图像的特点,建立了相应的基于马尔可夫随机场的图像分割模型．由此将图像分割问题转化成图像标记问题, 并进一步转化成求图像的最大后验概率估计的问题． 本文引进了一种基于博弈理论的决定性退火算法, 可以用该算法对图像进行标记, 该算法收敛于局部最大, 在实验中取得了很好的效果．     

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.     

基于图像边缘特征的前景背景分割方法

提出一种基于边缘特征的背景建模方法,将边缘分类为前景边缘和背景边缘.和以往的基于边缘的背景差方法相比,该方法可以克服由于摄像机的微小扰动而带来的误判.由于噪声的影响,得到的前景边缘往往是不闭合的,而且边缘是一种稀疏的特征表示,为了得到精确的前景连通区域,提出了基于马尔可夫随机场(MRF)的前景区域提取方法,以前景边缘像素和背景边缘像素作为种子标记,通过前景边缘像素和背景边缘像素的竞争和标记传播,得到连通的前景区域.为了提高运算效率,采用基于图分割的组合优化方法最小化能量函数.通过对室内室外多个场景视频的试验,验证了该方法的准确性和有效性.     

基于马尔科夫随机场的合成孔径雷达图像分割方法

提出了一种基于MRF模型和最大后验概率准则的SAR目标切片图像分割方法.该方法通过对SAR目标切片图像中不同的区域所占比例进行统计分析,得到了一种有效分割的迭代初值选择方法.本文给出了模拟退火算法,ICM算法,吉布斯抽样算法对模拟图像和实测SAR图像目标区域进行了分割,结果表明,采用本文提出的方法可以加速迭代的收敛过程,降低迭代次数,提高分割速度.     

基于高斯-马尔可夫随机场模型的织物纹理特征参数提取方法

将高斯-马尔可夫随机场用于织物纹理的建模.在估计模型参数时,采用不完全 Cholesky共轭梯度法.获得特征参数后,通过纹理合成方法,仿真原始纹理图像.试验表明:仿真织物纹理图像与真实织物纹理图像具有较为一致的视觉效果,从而论证了高斯-马尔可夫随机场模型对织物纹理建模的有效性.     

磁共振图像的随机场分割方法

基于Gibbs分布的Markov随机场是一个重要的先验模型,能够简单地通过势能形式表示图像像素之间的相互作用,从而把图像的先验知识和图像分割的数学模型相结合,利用Markov随机场方法提出了脑磁共振图像最大后验概率的分割模型,并通过迭代条件方法求解,与传统的K均值算法作比较,证明了算法的有效性。     

马尔可夫随机场在可见光图像分割中的应用

在可见光图像生成红外图像的过程中,图像分割至关重要。马尔可夫随机场（MRF）具有局部特性,由此特性建立了纹理特征的MRF模型。利用纹理的MRF模型,将参数的期望最大化用于该模型中的参数估计。最后将图像中的所有像素经该模型计算后得到纹理信息并分割图像。通过实验取得了较好的效果。     

基于MRF模型和EM算法的多源图像融合方法

提出了两种图像融合方法。该方法首先利用EM-MRF算法与模糊分类方法的等价性,将EM-MRF算法引入到图像融合领域。在此基础上,利用统计模型对图像进行非监督分类的模型参数估计转化通过EM算法从不完全数据中估计模型参数的问题,并利用Markov随机场模型建立类别的先验概率、EM迭代算法进行图像分类的方法有较高的分类精度和鲁棒性,导出了基于分布式和集中式多传感器图像融合模型的两种融合方法。最后仿真试验表明,这两种融合方法既可以提高分类精度,又可以加强对噪声的抗干扰能力。     

三维图象Markov 随机场模型的数学描述

本从Ｍａｒｋｏｖ过程的概念和性质出发,将Ｍａｒｋｏｖ场图象模型从二维推广到三维,建立了基于Ｍａｒｋｏｖ场的三维图象数学模型,为三维图象的处理提供了一种随机方法。     

Watershed—based Image Segmentation with Region Merging and Edge Detection

The clustering technique is used to examine each pixel in the image which assigned to one of the clusters depending on the minimum distance to obhtain primary classified image into different intensity regions.A watershed transformation technique is then employes.This includes:gradient of the classified image,dividing the image into markers,checking the Marker Image to see if it has zero points(watershed lines).The watershed lines are then deleted in the Marker Image created by watershed algorithm.A Region Adjacency Graph (RAG)and Region Adjacency Boundary(RAB)are created between two regions from Marker Image.Finally region merging is done according to region average intensity and two edge strengths (T1,T2).The approach of the authors is tested on remote sensing and brain MR medical images.The final segmentation result is one closed boundary per actual region in the image.     

基于区域增长及边缘检测的一种图象分割方法

提出一种图象分割算法．这种算法综合了三种算法，即区域增长、边缘检测及保持边界平滑方法．它可以明显地克服区域增长及边缘检测各自的缺点．在这种方法中还引进了边界平滑算法使得分割所产生的边界更可靠．可直接应用到三图象分割、医学图象分割的实验中，证明了这种方法的有效性