一种基于马尔科夫随机场的脑MR图像分割改进算法

高斯混合模型(GMM)易受噪声影响,马尔科夫随机场(MRF)模型能够很好地刻画空间特性。两者结合适用于对含有噪声的图片进行分割,但MRF模型用于图像分割时,容易出现过分割现象。针对这个问题,提出一种自适应权值系数的图像分割改进算法,从核磁共振成像(MRI)中较好地分割出脑脊液、灰质和白质组织。首先,使用K‐means算法得到初始分割结果,通过期望最大化算法(EM)估计GMM参数,进而得到图像像素灰度的联合概率能量函数。然后,利用MRF邻域系统中心像素与邻域像素的灰度值、后验概率和欧式距离得到自适应的权值系数,使用MRF模型得到先验概率能量函数。最后,借助贝叶斯准则得到最终图像分割结果。实验结果表明,该算法具有较强的自适应性,能够较好地克服噪声对图像分割的影响织。与同类算法相比,该算法对含有噪声的脑部MRI图像具有较高的分割精度,可得到较好的图像分割结果。

高斯马尔科夫随机场数字图像分析处理软件的设计与实现

针对数字图像高斯马尔科夫随机场统计特征分析计算问题的需求,使用MATLAB语言设计了数字图像高斯马尔科夫随机场纹理特征参数统计分析程序,并给出了软件算法在MATLAB开发平台上程序的源代码。该软件能够在图像处理与模式识别研究领域用于获取数字图像的GMRF统计纹理特征参数,程序运行速度快,交互性好,预留了程序批处理接口,能够解决图像高斯—马尔可夫随机场特征统计分析问题。

基于高斯混合模型和马尔科夫随机场的脑MR图像分割

目的从磁共振噪声图像中分割脑组织(脑脊液、灰质、白质)。方法首先利用K均值分类自动计算三类脑组织的初始灰度分布参数,通过期望最大化算法(Expectation maximization,EM)估计高斯混合模型(Gaussian mixture model,GMM)参数。然后按照空间体素的GMM分类信息改变其相应体素的联合概率的能量函数,控制该能量函数中代表灰度信息的分量,并且自适应地调节图像灰度和空间信息的分配。结果实验结果表明该模型能够有效地分割出脑脊液,灰质和白质,并且对噪声不敏感,能消除灰度不均匀的影响。结论与同类算法相比,本算法对含有噪声污染的脑MR-T1图像分割精度较高,也表现出不错的稳定性,且算法运行时间短。

基于高斯马尔科夫随机场的区域产量保险定价

文章基于农作物产量具有较强的时空分布特征,在产量分布的参数中引入时空固定效应和空间随机效应构建嵌入式时空模型。趋势拟合和分布拟合同时进行,避免了传统两步法中建模误差的叠加;高斯马尔科夫随机场的引入改进了模型的预测效果;对多个地区的产量分布同步进行拟合,增大了样本量,参数估计更稳健。对一组实际数据的分析结果表明,基于逻辑斯特分布的嵌入式时空模型预测能力最强,能够有效提高农作物区域产量保险定价的准确性。

基于图像片马尔科夫随机场的脑MR图像分割算法

传统的高斯混合模型(Gaussian mixture model,GMM)算法在图像分割中未考虑像素的空间信息,导致其对于噪声十分敏感.马尔科夫随机场(Markov random field,MRF)模型通过像素类别标记的Gibbs分布先验概率引入了图像的空间信息,能较好地分割含有噪声的图像,然而MRF模型的分割结果容易出现过平滑现象.为了解决上述缺陷,提出了一种新的基于图像片权重方法的马尔科夫随机场图像分割模型,对邻域内的不同图像片根据相似度赋予不同的权重,使其在克服噪声影响的同时能保持图像细节信息.同时,采用KL距离引入先验概率与后验概率关于熵的惩罚项,并对该惩罚项进行平滑,得到最终的分割结果.实验结果表明,算法具有较强的自适应性,能够有效克服噪声对于分割结果的影响,并获得较高的分割精度.

二值马尔科夫模型和多波段遥感影像的多尺度纹理分割

提出一种二值马尔科夫纹理分割模型,用于多波段遥感影像的纹理分割。将一次性多类纹理分割问题转化为多次的二类纹理分割,综合考虑影像二维空间尺度和光谱空间尺度,采取多级二值分割的方式,得到多尺度纹理分割结果。

基于马尔可夫随机场的加密二值图像有损压缩算法

尽管当前已有众多二值图像的压缩方法,但这些方法并不能直接应用于加密二值图像的压缩。在云计算、分布式处理等场景下,如何高效地对加密二值图像进行有损压缩仍然是一个挑战,而当前鲜有这方面的研究。针对此问题,提出了一种基于马尔可夫随机场(MRF)的加密二值图像有损压缩算法。该算法用MRF表征二值图像的空域统计特性,进而借助MRF及解压缩还原的像素推断加密二值图像压缩过程中被丢弃的像素。所提算法的发送方采用流密码对二值图像进行加密,云端先后利用分块均匀但块内随机的下抽样方式及低密度奇偶校验(LDPC)编码对加密二值图像进行压缩,接收方则通过构造包含解码、解密及MRF重构的联合因子图实现二值图像的有损重构。实验结果表明,所提算法获得了较好的压缩效率,在0.2~0.4 bpp压缩率时有损重构图像的比特误差率(BER)不超过5%;而与针对未加密原始二值图像的国际压缩标准JBIG2的压缩效率相比,所提算法的压缩效率与其相当。这些充分表明了所提算法的可行性与有效性。

基于GMM和超像素马尔科夫随机场的运动目标检测

针对传统的基于高斯混合模型(GMM)的运动目标检测算法抗噪声性能差、易受动态背景干扰的缺陷,提出一种高斯混合建模与超像素马尔科夫随机场(MRF)相结合的运动目标检测方法。采用GMM对视频图像进行建模,初步标记出前景目标区域;对原始图像进行超像素分解,并根据GMM提取的前景图像得到概率超像素图像;采用MRF建模对概率超像素图像建模得到最终的运动目标前景图像。通过实验对比分析,表明提出的算法对噪声干扰、动态扰动背景等复杂场景均可以得到优于传统算法的结果。

基于高斯马尔科夫模型的高光谱异常目标检测算法研究

随着光谱成像技术的发展,高光谱异常检测在遥感图像处理中的应用越来越广泛。传统RX异常检测算法忽略影像空间相关性,而且由于没有经过有效数据降维,运算耗费大,对于高光谱数据有效性不高。高光谱影像在空间和光谱上符合高斯-马尔科夫模型。通过建立马尔科夫参数能够直接计算协方差矩阵的逆矩阵,避免了高光谱海量数据的庞大计算。提出一种基于三维高斯-马尔科夫随机场模型的改进RX异常检测算法。该方法用高斯-马尔科夫随机场模型模拟高光谱影像数据,用最大似然近似法估计高斯-马尔科夫随机场参数,由高斯-马尔科夫随机场参数直接构造检测算子,并以待检测像元为中心设置局部优化窗口,称为马尔科夫检测窗。取窗口内数据计算均值向量和协方差逆矩阵,得到中心像元的异常度,通过移动窗口进行逐像元检测。应用AVIRIS高光谱数据对传统RX算法、高斯-马尔科夫模型背景假设异常检测算法和该算法进行了仿真实验对比。结果表明,该算法能够有效提高高光谱异常检测效率,降低虚警率。运行时间较传统RX算法提高了45.2%,体现出更好的计算效率。

基于多尺度条件随机场的文本图像二值化

提出一种基于多尺度条件随机场(简称mCRF)的图像二值化算法。该算法将对图像的二值化看作一个标注过程,利用mCRF模型对图像中每个像素点进行标记,从而实现对整幅图像的二值化。mCRF模型属于判别式模型,可以容纳任意的非独立特征,从而充分利用图像本身信息。实验结果表明,本算法比常用的阈值法效果有很大提高。

基于贝叶斯推断的地下水流模型非高斯源项场的识别

地下水模型中非均匀介质的复杂性及观测数据的稀缺性使模型存在不确定性。为了更好地预测模型的输出,需要我们基于有限的观测数据来估计模型中的未知参数,降低不确定性。贝叶斯方法是刻画不完全数据、模型偏差和测量误差带来的不确定性的有效方式,它可以根据现有数据确定参数向量的后验分布。在实际应用中,其主要挑战在于从后验分布中抽样。传统抽样方法随未知参数维数的增加而出现退化现象。本文主要利用最大期望变量选择(EMVS)方法来识别稀疏离散余弦变换(DCT)系数,并对后验分布中的超参数进行自适应更新,以提高问题的求解效率;特别地,利用逆Hessian矩阵来加速朗之万动力学蒙特卡洛马尔科夫链(MCMC)的收敛速度,使用敏感性矩阵构造的简化模型来有效地计算梯度和Hessian矩阵,高效地解决高维不确定性分析和反演问题。基于地下水源项识别高维反演数值实验,验证了反演方法能够得到可靠的参数估计,为提高地下水模拟在实际应用中的可靠性和计算效率提供了新的思路,对后续的地下水资源管理决策制定具有重要意义。

基于改进马尔可夫随机场探地雷达有效信号提取方法

针对探地雷达图像背景含有大量噪声导致有效信号提取识别困难等问题,提出了一种基于改进马尔可夫随机场结合大津算法的探地雷达去噪的方法。该方法先使用大津算法,将探地雷达图像数据二值化,划分出前景和后景图像,后对图像使用改进马尔可夫随机场结合迭代条件模式算法(iterated conditional mode,ICM)进行降噪处理,得到只含有效信号的二值图。将二值图像与带噪图像结合比对,使用中值滤波法降噪,最后得到优化后的探地雷达图像。根据实验结果,该方法在探地雷达数据降噪和有效信号提取方面均具有较好的效果。同其他传统方法和原始马尔可夫随机场降噪方法相比,该方法在探地雷达各类评价方法中表现最优,具体表现为信号单道波波形对比中拟合度最高,峰值信噪比达52.528 1 dB,结构相似度为0.998 1。使用结合二值图像的滤波图像,可以使图像波形更清晰。因此,该方法在使用探地雷达进行探测、探伤工程项目中有一定实用价值。

基于高斯过程回归与马尔科夫随机场的三维深度图像重构算法

由于激光雷达点云数据有无序性、稀疏性和信息量有限的问题,提出了一种能够将点云数据与对应图像进行三维图像重建的算法,该方法首先将点云数据体素化,利用点特征直方图有效地选择深度点进行标记并消除体素中的异常点;针对传统插值方法估计精度低的缺陷,利用高斯过程回归方法强大的非线性拟合能力和小样本学习能力,提高了内插点估计精度,获得稠密点云;最后利用马尔科夫随机场对图像灰度数据和三维插值点进行融合来构建三维深度图。定性定量仿真实验结果表明,提出的算法大大提升了三维重建的鲁棒性与重构精度,可用于复杂路况中的无人驾驶应用。

泛克立格法在渗透系数随机场离散中的应用及存在的问题

在分析各种随机场离散方法优缺点的基础上,提出用泛克立格方法对渗透系数随机场进行离散.编制了KRING.FOR程序对渗透系数随机场的离散效果进行了验证,结果表明在实测点所包围区域内部用最小二乘法所求解得到的权系数而进行的克立格估值计算是符合工程要求的.并针对程序调试过程中及计算结果分析中所出现的问题,提出了相应的解决对策.

基于高斯先验和马尔科夫随机场约束的非线性叠前地震反演研究及应用

叠前地震反演可以同步反演出纵横波速度和密度等弹性参数信息,在岩性分类和流体识别领域发挥重要作用.但是叠前多参数同步反演是一个不适定问题,难以获得较精确的结果.在反演优化算法方面,线性优化算法易于陷入局部极值,且强烈依赖初始模型,非线性优化算法可以避免这些问题.常规模拟退火算法在多参数同步反演过程中稳定性较差,难以获得理想的多参数结果.本文基于纵向高斯先验约束和横向马尔科夫随机场约束建立反演目标函数,能有效降低反演的不适定性和噪声的干扰.此外,提出基于多变量高斯分布的快速模拟退火算法,提高多参数同步反演的稳定性.最后,通过合成数据和工区数据测试,结果显示三参数反演剖面具有较好的横向连续性,反演结果与测井数据较吻合,表明本反演方法具有较高的分辨率和稳定性,具有一定的实际应用价值.

二次极值的分布之重极限律

｛Ｘｍ，ｚ；ｍ，ｎ≥１｝是两个下标的独立同分布随机序列，ｍ（ｂ）（ｍ，ｎ）表示Ｘｍ，１，…，Ｘｍ，ｚ的第ｋ个最大值，Ｙ（ｌ）（ｍ，ｎ；ｋ）表示Ｍ（ｋ）（１，ｎ），…，Ｍ（ｋ）（ｍ，ｎ）的第ｌ个最大值。研究了当ｍ→∞且ｎ→∞时，Ｙ（ｌ）（ｍ，ｎ；ｋ）的重极限分布，证明了其极限分布是三大经典极值类型之一．

考虑周长约束的圆柱薄壳初始几何缺陷随机场建模方法

利用随机场对圆柱薄壳结构的初始几何缺陷进行建模,并据此建立了一种用于含初始几何缺陷轴压圆柱薄壳屈曲分析的随机分析方法。首先,指出已有将圆柱薄壳初始几何缺陷表征为二维高斯随机场的方法会导致与实际不相符的初始几何缺陷,如圆柱周长显著增大或缩小的几何缺陷。其次,提出一种考虑周长不变约束的随机场建模方法,以剔除与实际不相符的随机几何缺陷。最后,基于所建立的初始几何缺陷随机场模型,利用非干涉多项式混沌展开法进行圆柱薄壳的随机屈曲分析,给出临界屈曲载荷的概率分布。数值试验结果表明,基于随机场理论的初始几何缺陷建模方法可有效刻画几何缺陷对结构承载能力的影响,而提出的约束随机场建模方法又能有效减小结果的分散性。

温度计修正值不确定度评定方法的改进研究

"JCGM 100:2008"的温度计修正值不确定度评定案例中,模型为bt=y1+y2(t-20),自变量(t-20)与因变量修正值bt=(tR-t)间不独立,实质上选温度计示值t作自变量、标准值tR作因变量,前者的误差影响显著大于后者,这与应选误差影响可忽略的作自变量的原则相悖.案例中评定b(t′)的不确定度ubt′错用了求预测值置信区间的预测模型,应先改用tR作自变量拟合、再求反预测值tR(t′)及其置信区间的校准模型,我们在预测和校准两种情况下计算了ubt′以作比较.案例中limn→∞ubt′=0有逻辑性瑕疵.对自变量等距分布、自变量在区间两端集中各半这两种情形,算出其斜率标准差的期望值之比约槡3,否证了"测散布数据最小二乘拟合主要为减小因变量的独立同分布随机误差影响"的命题,初步导出"主要为减小因变量的具有随机性的未定系差分量影响"的推论,质疑了高斯-马尔科夫假定的普适性.考虑因变量标准差包含两类分量,提出了预测或校准(反预测)模型下的置信区间的调和近似算式.

基于Nataf变换的相关随机数算法及其应用

针对极值风浪荷载之间的相关性,提出了一种基于Nataf变换的相关非高斯分布随机数算法,用来生成极值风浪荷载随机向量;运用该方法讨论了基于独立风浪的荷载效应和基于相关风浪的荷载效应的极值之间的关系,并且对不同的风浪联合荷载效应的拟合方法进行了评定;应用最小二乘法及极值Ⅰ型分布拟合实际风、浪荷载效应,然后对此分布模型运用Nataf变换随机数算法和一般随机数算法生成随机向量,最后通过与实际风浪联合荷载效应比较,验证了所提方法的有效性。

遥感图像的有向空间高斯混合模型分割方法

针对传统高斯混合模型没有考虑像素间的空间关系,使得遥感图像分割算法对噪声不具备健壮性的问题,提出了一种基于有向空间关系高斯混合模型的遥感图像分割方法。首先,根据图像区域特征,利用像素之间的空间信息对高斯混合模型的先验概率和后验概率进行约束,定义的空间约束能够确保图像空间更新时算法结构的稳定;其次,根据像素区域分类信息,通过能量函数中灰度信息的分量控制,确保图像灰度和空间信息的自适应分配;最后,利用K均值算法初始化分割模型参数,通过交替进行评估像素与类别之间的对应关系和空间约束变换,实现图像的精准分割。利用遥感样本图像对该算法进行性能测试实验,与当前流行的3种算法相比,该算法展现出卓越的分割性能。