基于吉伯斯随机场和最大后验概率的医学序列图像伪光流估计

目的提出一种医学序列图像消除帧间相关的新算法，以利于图像信号的压缩、存储和传输。方法把医学序列图 像假想为运动序列，然后根据最大后验规则，利用迭代条件模型来求解这个伪运动序列的伪光流场，达到消除帧间相 关的目的。结果本算法能够有效地消除医学序列图像的帧间相关，它比仅利用帧内相关的算法更为有效。结论医学 序列图像存在大量帧间冗余信息，消除这种冗余信息将显著地提高医学序列图像的压缩比。

基于最大后验概率-马尔科夫随机场的二进制体数据优化

许多三维重建算法的结果以二进制体数据的形式给出,然而直接从中抽取等值面会造成阶梯化、锯齿化等走样现象.为此提出基于最大后验概率?马尔科夫随机场的二进制体数据优化方法.假设目标数据是随机变量并具有马尔科夫性,通过计算其最大后验概率推导了通用的优化公式,以及在常用模型下的优化公式;在此基础上,用户可选择不同的先验模型和观察模型来预测数据最有可能的取值,并将其作为优化结果.实验结果表明,文中方法可用于二进制体数据的可视化,光顺,去噪,修复等.

后验概率算法用于位移场的确定

提出了一种基于贝叶斯最大后验估计算法确定固体表面位移场的方法。在图像处理过程中,把位移看作随机变量,首先建立贝叶斯模型,对变形前数字图像中的一个像素点,选定变形前后两幅数字图像中对应的圆形子区,将两子区所对应的所有可能位移逐一代入贝叶斯后验概率公式进行计算,使后验概率最大的位移值就是所求该点的位移。在得到整像素位移之后,引入亚像素重建技术,确定图像的精确位移场。本文通过计算机数字模拟实验和实物标准位移实验,验证了该方法的可行性,并得到了0.02pixel的位移测量精度。

基于Markov约束的泊松最大后验概率超分辨率图象复原法

提出了基于 Markov约束的泊松最大后验概率 ( Poisson-MAP)超分辨率图象复原方法 ( MPMAP) ,该方法把 Poisson-MAP法和 Markov随机场先验分布有机地结合在一起 .实验表明 ,该方法能有效地减少和去除复原图象中的噪音和振荡条纹 ,提高图象复原质量 。

基于马尔可夫随机场的低分辨率车牌图像复原算法

由于采集到的车牌图像分辨率较小,为获取高分辨率的图像,提出基于马尔可夫随机场模型的车牌图像超分辨率复原算法。首先对图像进行分块;然后利用马尔可夫随机场对这些分块进行建模,通过模型学习训练库中高低分辨率图像的关系,预测待复原的低分辨率车牌图像的高频细节信息。实验结果表明,本算法对车牌图像取得较好的复原效果,算法复原的超分辨率车牌图像更接近于真实图像,具有更高的峰值信噪比。

一种基于SVM后验概率的MRF分割方法

提出了一种基于SVM后验概率的MRF分割方法,将支持向量机的后验概率应用于Markov随机场方法中,通过贝叶斯公式将对样本条件概率的估计转换为后验概率估计,再通过对SVM决策函数输出的映射来产生后验概率,并将SVM估计的后验概率信息带入MRF模型实现分割,从而完成了一种新的Markov随机场模型的分割方法。实验结果表明,采用此方法分割纹理图像可以获得较好的分割结果。

基于马尔可夫随机场的快速图象分割

根据卫星遥感图象的特点 ,讨论了基于马可夫随机场的图象分割方法 ,建立了相应的基于马可夫随机场的图象分割模型 ,以实现复杂遥感图象的快速分割 ,并由此将图象分割问题转化成图象标记问题 ,进而转化成求解图象的最大后验概率估计的问题 .虽然传统的模拟退火算法 (SA)能达到后验概率的全局最大 ,但是时间复杂度太高 ,实际分割中经常采用次优算法 .文中还引进了一种基于博弈理论的决定性退火算法 (GSA)和一种基于竞争理论的算法 (CA) ,取得了快速分割图象的效果 .试验证明 ,该两种算法完全可应用于复杂遥感图象的快速分割 .

对马尔可夫随机场特征级图像融合的改进

提出了一种基于MAP的Markov随机场的图像融合方法。将感兴趣区特征的均值与方差作为马尔可夫随机场的概率参数,选取合适的模型,根据优化算法快速求得MAP解,完成图像初始标记过程,根据最大后验概率模型,对图像进行特征层融合。通过两组遥感图像的实验,证明MAP-MRF模型在遥感图像特征层融合中,具有较目前常用方法更好的效果。

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 。

基于像素块最大后验概率的视频对象分割方法

提出一种基于像素块最大后验概率的视频运动对象快速分割算法。首先根据连续3帧视频序列构建参考帧,计算基于像素块的差分图像;然后用Gibbs随机场模型描述基于像素块的差分图像,通过最大后验概率方法分割运动对象块;最后使用基于颜色梯度的snake模型提取运动对象轮廓。实验结果表明,该算法能避免视频对象的缺失,降低图像噪声的影响,减少误分割,同时具有较快的计算速度。

基于动态金字塔标记随机场模型的非监督纹理分割算法

在马尔可夫随机场纹理模型的基础上,提出一个基于金字塔结构的动态多尺度标记随机场模型,应用这个模型实现纹理图像分割.算法应用由粗至细的处理策略,实现了图像的区域紧凑性,克服了一层GRF标记场结构的运算复杂性,减少了运算时间,并且能够获得较好的分割结果.

基于Markov随机场的新型景像匹配算法

为了提高景像匹配导航系统的定位精度,给出了一种基于Markov随机场理论和极大后验概率估计的新型景像匹配算法.考虑到在x方向和y方向位置偏差的实时图与基准图之间的灰度分布关系,利用图像上的灰度分布服从Markvov随机场分布这一特性,建立了景像匹配问题的条件概率分布模型.应用最小二乘法和噪声的先验统计信息估计位置偏差的方差,给出了描述基准图与实时图之间灰度偏差的测量模型,确定了测量的统计特性.基于极大后验概率估计准则计算了位置偏差的估值.由于新算法在计算位置偏差估值时用到了被估量和噪声的统计信息,因此具有很高的精度.将该算法与最小二乘景像匹配算法进行了仿真比较.仿真结果表明,新算法的匹配精度达到了0.1～0.2像素,高于最小二乘匹配算法的匹配精度.

基于马尔可夫随机场的图像分割方法研究

在计算机视觉和图像处理等相关领域的Markov(Markov Random Field,即马尔可夫随机场)引入概率这个概念后可以很好地描述图像中各像素间由于处于不同位置而形成的一些特性.主要研究了基于MRF的一种模型——条件随机场CRFs(Conditional Random Fields)模型及其在图像分割中的应用.

马尔可夫随机场在低信噪比图像恢复中的应用

提出一种基于马尔可夫随机场的二值图像恢复算法。该算法在迭代计算中对ISING模型中耦合系数J动态修改,是一种求解最大后验概率(MAP)的随机松弛算法,该算法兼顾条件迭代(ICM)算法计算量少和模拟退火(SA)算法全局收敛的优点。利用该方法恢复被加性高斯噪声污染的低信噪比图像,取得良好的实验结果。

一种最大后验概率条件下的运动目标检测方法

提出一种最大后验概率条件下的运动目标检测方法.首先根据条件随机场模型和马尔可夫随机场模型建立了一个最大后验概率框架.在该框架内融入了连续标记场的时域信息、颜色信息和每个标记场的空域信息.考虑到传统方法融入的特征信息不够,提取目标的准确度不高,在目标模型中充分融入了颜色信息和边缘特征,以便获得更好的检测效果.实验结果表明提出的方法能正确检测到运动目标.

基于小波域高斯—马尔可夫随机场的纹理分割

提出了一种基于小波域高斯—马尔可夫随机场(GMRF)模型的无监督纹理图像分割算法。该算法首先利用纹理的小波特性并结合模糊C—均值聚类方法完成纹理在最小分辨率层的初始分类,接着逐层应用同步进行参数估计和像素标签的近似最大后验分割算法,得到原始图像的第一次完整分割。为了进一步提高分割效果,对每个像素邻域内的标签作统计,利用最大值原则,从而获得满意的分割结果。实验证明此算法与基于高斯金字塔GMRF模型的算法相比,分割结果有了很大的提高。

一种基于简化马尔可夫随机场的红外图像快速分割方法

分析了传统的基于马尔可夫随机场图像分割算法收敛速度慢和固定加权等缺点,提出了一种基于简化马尔可夫随机场的红外图像快速分割算法。该算法首先对红外图像极大似然初始分割,并利用简化马尔可夫随机场对图像进行建模。在此基础上采用自适应的加权变化形式进行迭代,不但加速了分割算法的收敛速度,而且使得分割效果都大为改善。在真实的飞机和舰艇红外图像上,该算法都取得了较好的分割效果。

基于非下采样Brushlet和马尔可夫随机场的图像分割

针对传统小波域马尔可夫随机场图像分割算法的纹理图像分割能力的不足,提出一种将非下采样Brushlet变换和马尔可夫随机场相结合的纹理图像分割方法。用非下采样Brushlet变换作为图像分割的特征场,有效地提取纹理图像中的高维奇异信息;利用高斯马尔可夫模型提取特征场的参数,考察图像中的光谱信息以及像素点的空间相关性对分割结果的影响。实验表明,本文算法可以有效地实现纹理图像分割,在检测纹理方向信息和区域一致性上较传统算法有较大的提高。

基于马尔可夫随机场的单目图像深度估计

图像深度获取是机器视觉领域活跃的研究课题。将图像深度估计问题归结为模式识别问题,以单目图像深度为待分连续模式类,在多尺度下对图像块提取绝对和相对深度特征,选择表征上下文关系的MRF(Markov Random Field)-MAP(Maximum a posteriori)方法,建立拉普拉斯模型,表述某图像块的深度和其邻域深度之间的关系。实验得到了某一类单目图像对应的深度图像,证明了该算法的有效性。

基于Markov随机场模型的运动对象分割研究

探讨了一种基于高斯马尔可夫随机场(GMRF)模型的运动目标自动分割算法。该算法采用高斯混合分布描述视频序列的差分图像,对标准MAP算法进行了改进,使用快速方法计算后验边缘。首先对视频处理对象进行初始分割,获取初始运动数目以及相应的运动模型的初始参数,然后通过参数估计,不断更新模型参数,之后通过把每个运动区域和运动模型相关联,来同时估计多个运动区域,最终达到分割的目的。实验结果证明,提出的方法对运动目标分割具有较好的分割效果。