基于变权重马尔科夫模型的图像分割算法研究

在小波域变权重多分辨率马尔科夫随机场模型下对图像进行分割,首先对图像进行小波分解,然后对各个尺度用变权重多分辨率马尔可夫随机场算法进行特征场能量和标记场能量的计算,最后保存分割结果。实验结果表明:该方法能够准确地对图像进行分割,分割后的图像轮廓清晰,边缘细节特征明显,有利于特征提取和目标识别。

变权重MRF算法在图像自动无监督分割中的应用

为了实现图像的自动无监督分割,本文提出类自适应变权重马尔可夫随机场分割算法。首先结合最小描述长度准则,自适应计算马尔可夫随机场框架下的图像分类数;然后引入变权重的马尔可夫随机场算法,扩大势函数的选择范围,消除势函数的复杂计算;最后用迭代条件模式进行优化,获得最大后验概率准则下的分割图像。在Matlab环境中的测试结果表明,该算法具有实效性,能正确计算分类数,同时有效减少了分割错误。

顾及空间引力的变权重MRF高分遥感影像变化检测

针对现有高分遥感影像变化检测方法大都针对影像的像元灰度值,没有充分考虑像元间的空间关系,导致变化检测精度不高,提出了一种改进的变化检测方法。首先,通过模糊C均值聚类得到初始差异影像中的像元隶属度信息;然后,利用改进的空间引力模型将像元的隶属度及像元间的空间信息引入到马尔科夫随机场中,基于组合能量函数设置自适应权重函数;最后,采用条件迭代模型优化,获得最终的变化检测结果。通过对两组不同传感器、不同分辨率的高分辨率遥感影像开展相关对比实验,结果表明,该算法表现出更好的空间信息边缘检测效果和区域一致性,从而进一步提高了变化检测的精度。

基于外区抑制与马尔可夫模型的轮廓检测

轮廓检测是目标识别的重要前提,为解决复杂纹理自然场景下目标轮廓难以有效检测的问题,该文提出一种新的计算方法。首先,利用旋转不变滤波器快速实现外区抑制;其次,通过集合运算整合不同抑制水平的抑制后响应,得到边缘图;最后,建立基于马尔可夫随机场的轮廓概率模型,赋予每个边缘点一个概率值,选择概率较高的边缘点即得到最终的轮廓输出。定性和定量分析表明,相对于现有算法,新算法的轮廓检测性能显著提升,并具有更好的鲁棒性。

高斯均值场变分推理的收敛性和精确性

高斯马尔可夫随机场模型是具有马尔可夫性质、符合多元高斯分布的概率模型.均值场变分方法是图模型最基本的变分近似推理方法.基于指数族变分近似推理框架,分析了高斯马尔可夫随机场模型均值场变分近似推理的收敛性和精确性,证明了均值场变分近似推理关于一阶均值参数是收敛的.进一步给出了模型的各个变量不完全独立时,对数配分函数的最优下界和迭代误差的解析式.最后,通过数值模拟实验,验证了理论分析的结果.

基于马尔可夫模型的多分辨率图像分割算法

为解决图像分割中过分割、欠分割和依赖初始分割问题,提出一种基于马尔可夫模型的多分辨率图像分割算法。利用变权重方法改进多分辨率马尔可夫随机场算法,结合曲波和小波变换对图像进行多分辨率分析,并通过区域合并减少图像中的区域数。实验结果表明,与经典算法相比,该算法的分割性能较好。

一种基于变分自编码器的高光谱图像分类方法

深度学习可以有效表达影像的深层特征,在遥感图像处理特别是在分类方面取得了良好的效果。提出了一种基于变分自编码网络的高光谱遥感影像深度学习分类方法,该方法利用变分自编码器进行无监督训练,用分类层替换解码层,输入训练样本进行分类网络的微调,最后在分类器预测的类别概率图基础上使用条件迭代模型求解马尔可夫随机场,对分类结果进行优化。在两幅通用高光谱数据集上进行分类实验,结果表明基于变分自编码器的高光谱遥感影像分类方法取得了优于其它方法的分类效果。

贝叶斯空间同质回归模型

对于高维空间回归问题,本文提出了一种有效的稀疏贝叶斯模型.通过引入分层高斯马尔可夫随机场先验,模型可以获取稀疏的空间变化参数,同时对于相邻的空间区域也可以获取同质的参数.相较于传统的采样方法,本文采用一种快速收敛的变分EM算法进行后验推断.对于M步,最优化问题可以通过简单的变形转化为经典的自适应lasso问题进行快速求解.通过数值模拟可以发现模型在参数估计和变量选择问题上取得较好的效果.最后模型用来分析欧洲社会人口学因素对各国新冠死亡率的影响.

基于优化的MRF遥感影像分割算法

MRF图像分割算法由于其良好的抗噪性,在图像分割邻域应用广泛,但其存在过度分割现象,导致边缘分割模糊定位不准确。针对这一问题,文章首先在传统的MRF图像分割算法中引入可变权重的参数来连接标记场模型与特征场模型,使得两种模型之间形成一种平衡,获取可保持图像边缘、图像重要细节和具有区域一致性的分割结果。然后在边缘处自适应地引入边缘惩罚函数,调整势函数的能量对能量函数的贡献,减少分割时对边缘的模糊,提高对边缘的定位精度。通过实验结果分析表明,所提出的优化的MRF影像分割算法比传统的ICM迭代计算MRF分割算法和变权重的MRF分割算法具有更高分割精度。

基于MRF-SIFT的动平台视频序列图像配准算法

针对动平台视频序列图像配准中的特征点误匹配问题,提出了一种基于马尔可夫随机场和尺度不变特征变换(MRF-SIFT)的动平台视频序列图像配准算法。该方法利用SIFT特征点提取和改进的随机抽样一致性(RANSAC)剪枝进行特征点初匹配,然后在马尔可夫随机场模型框架下引入特征点的局部几何约束信息,通过求解匹配模型的最大后验概率估计寻优最佳匹配特征点,最后通过最小平方差方法计算匹配图像之间的变换矩阵。实验结果表明该方法在不同的动平台下能够更好地实现对视频序列图像的配准。

区域气候的时间序列数据研究

全球变暖是从二十世纪五十年代开始的全球平均气温上升现象。希望通过对不同时期各地区气候相关程度的研究,讨论其中的演变趋势,以及全球变暖效应在其中的影响。为此选择美国过去一百年间各地观测站的气温观测值,以十年为周期分为十组,并为每组数据构造观测站相关图。每组数据都经过周期分解的预处理,以消除日照周期在其中造成的周期性影响,然后运用高斯马尔可夫随机场模型,通过对逆协方差矩阵的统计估计,得到不同观测站之间的气温序列的条件依赖关系,并以此构建相关图。因为气候模型的时间序列特殊性,并对模型的假设和拟合方式进行了改进。最后从得到的相关图中发现了一百年间相继出现的两种相反演变趋势,从而对全球变暖是其主要原因的可能性加以讨论。

改进的多特征融合人行道检测算法

道路检测相关研究多基于KITTI等车道公开数据集展开,由于车道与人行道存在颜色、材质和周围环境等差异,准确地检测出人行道区域成为一个需要解决的问题。本文将应用场景设置为室外人行道,提出了一种改进的基于多特征融合的人行道检测算法。首先使用SLIC超像素算法获取超像素图以减少噪声干扰和后续训练维度;然后计算各超像素块特征,利用新的Gabor滤波器纹理提取方法降低时间复杂度,并加入基于主成分分析(PCA)的光照不变空间特征和三维的深度梯度特征提高检测准确度,选用Adaboost分类器对融合的特征向量进行训练并预测人行道区域;最后采用马尔可夫随机场对分割结果进行优化。本方法是通用的,不依赖于道路外观和结构的先验,在创建的人行道数据集上进行实验,证明了该算法的有效性。

彩色三维扫描中纹理重建技术研究进展

基于光学原理的三维扫描技术通过光学系统对物体空间外形进行扫描,获取物体的三维信息,具有非接触性、高精度和高分辨率等优点。目前,工作距在1m内的结构光三维扫描重建精度可达0.01mm量级,点云数量可达百万量级。而采用纹理重建技术能进一步呈现扫描物体的色彩、材质等信息,提高了重建物体的真实感。由于相机误差和光照环境等因素影响,在纹理映射后纹理图像中容易产生接缝、模糊和重影等现象。通过建立相机模型,推导三维空间点和二维图像间的映射关系,归纳造成纹理残留处理痕迹的原因;分类介绍不同策略下消除纹理重建中残留处理痕迹的方法,总结其研究成果在纹理重建中的作用;针对纹理重建中尚存在的不足,对彩色三维扫描的纹理重建方法的发展方向进行了展望。