一种具有边缘保持的多尺度马尔可夫随机场模型图像分割方法

针对图像分割中常规四叉树结构的多尺度马尔可夫随机场模型非重叠区域在最优化过程中所造成的块效应,以及建模和推理过程导致低分辨率图像边缘细节模糊、缺失的现象,提出了一种具有边缘保持的多尺度马尔可夫随机场(Edge Preserving Multi-Resolution Markov Random Field, EPMRMRF)模型。该模型首先利用邻接区域之间的交互重叠约束,将局部区域的优化传递到相邻区域;其次采用具有边缘保持作用的Cauchy分布提取图像的多尺度边缘先验知识,在不同尺度上实现图像局部区域特征和多尺度边缘特征的融合。之后,为了对EPMRMRF模型进行迭代优化,提出一种分层区域置信度传播算法(Hierarchical Regional Belief Propagation Algorithm,HRBP),基于最大后验准则,求解马尔可夫随机场最大后验全局分布。实验结果表明,EPMRMRF模型和HRBP分割算法不仅有效保持了图像分割结果的边缘,获得了更好的分割结果,而且具有较快的分割速度,概率兰德指数相似性评价指标平均提升至0.890 9,全局一致性误差差异性评价指标平均降低至0.192 3。

结合马尔可夫随机场和混合模型的海岸线提取

为了高效且准确地实现基于遥感影像的海岸线提取,提出一种结合马尔可夫随机场和混合模型的合成孔径雷达(synthetic aperture radar,SAR)影像海岸线提取算法。该算法以统计模型理论为研究基础,考虑SAR影像中同一地物像素反射强度的统计分布具有非对称和重尾的统计特性,利用伽马混合模型建立SAR影像内像素强度的概率分布。为了建模像素的空间相关性,采用马尔可夫随机场构建伽马混合模型的组分权重概率分布以克服SAR影像相干斑噪声的影响。结合马尔可夫随机场和伽马混合模型构建出SAR影像海陆分割模型,通过最大期望方法估计模型参数以实现准确的海陆分割,进而实现海岸线提取。在Sentinel-1卫星SAR影像上进行海岸线提取实验,实验结果表明该算法可实现准确的海岸线提取。

结合加权混合模型和马尔可夫随机场的光学遥感影像分割

针对遥感影像分割中存在的统计建模不准确,以及分割精度和效率低的问题,提出一种结合加权混合模型和马尔可夫随机场的光学遥感影像分割算法.考虑到遥感影像内像素强度统计分布具有复杂的特性,以多个高斯分布加权作为模型组份,采用加权高斯混合模型构建影像统计模型,克服传统高斯混合模型以单一高斯分布作为模型组份而导致建模不准确的问题;然后利用类属先验概率构建平滑因子,在马尔可夫随机场中将其引入吉布斯分布以建模组份权重的概率分布,该分布结构简单、易于实现;最后采用最大条件期望方法求解最优模型参数,而组份权重分布的结构有利于推导出其解析式,降低算法的计算量.选取Cartosat和Worldview影像进行分割实验,与模糊C均值、高斯混合模型和学生t混合模型分割算法进行对比.结果表明,所提算法可更加准确地建模遥感影像非对称和重尾等复杂统计分布,平均总分割精度分别高于对比算法16.44%,16.00%和16.17%.

多尺度特征和马尔可夫随机场模型的电力线场景点云分类法

及时、准确地监测电力线安全可以预防危险情况的发生。本文以机载点云为研究对象,提出了一种基于随机森林后验概率的马尔可夫随机场模型,用于电力线场景的点云分类。首先结合空间金字塔理论构建多尺度视觉分类特征以此描述空间点及其邻域的几何形状信息;接着利用随机森林分类器描述观测数据的概率分布,基于马尔可夫随机场模型建立顾及上下文信息的先验概率,从而构建一个多标记能量函数;最后利用多标记图割技术最小化能量函数完成分类标签优化。利用直升机巡线系统和小型无人机巡线系统获取的LiDAR点云数据来验证本文提出的模型。试验结果表明,该模型能够有效地分类场景中的电塔、电力线和植被且总分类正确率得到98%以上。与其他分类方法相比,本文提出的模型总体精度更高,尤其是电塔的分类优势明显。

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。

基于隐马尔可夫高斯随机场模型的模糊聚类高分辨率遥感影像分割算法

本文利用隐马尔可夫随机场和高斯模型分别建立标号场和特征场的邻域关系,提出了基于隐马尔可夫高斯随机场模型的模糊聚类分割算法.该算法用隐马尔可夫随机场模型定义先验概率,并将该先验概率作为尺度控制因子引入到KL(Kullback-Lerbler)信息中,在目标函数的定义中,KL信息作为规则化项,其系数表示算法的模糊程度.在基于高斯模型的后验概率中,像素相关性被定义在空间和谱间,并用该概率的负对数值表征像素点到聚类中心的非相似性测度.通过对合成遥感影像和高分辨率遥感影像进行分割实验,证明了算法的有效性和普适性.

结合高斯回归模型和隐马尔可夫随机场的模糊聚类图像分割

为了克服经典模糊聚类图像分割算法对图像噪声的敏感性,该文提出结合高斯回归模型(GRM)和隐马尔科夫随机场(HMRF)的模糊聚类图像分割算法。该算法用信息熵正则化模糊C均值(FCM)的目标函数,再用KL(Kullback-Leibler)信息加以改进,并将HMRF和GRM模型应用到该目标函数中,其中HMRF模型通过先验概率建立标号场邻域关系,而GRM模型则在中心像素标号与其邻域像素标号一致的基础上建立特征场邻域关系。利用提出的算法和其它经典算法分别对模拟图像、真实SAR图像以及纹理图像进行了分割实验,并对分割结果进行精度评价。实验结果表明,该文提出的算法具有更高的分割精度。

结合多空间特征的多尺度马尔可夫随机场彩色图像分割

提出了一种结合多空间特征的多尺度马尔可夫随机场(MRF)模型———MS-MRMRF。针对RGB单空间对彩色图像描述不足的问题,模型首先将图像转化为HSV空间并与RGB空间结合形成多空间特征;然后根据多空间特征的形式,提出了一种模糊化估参的多尺度MRF模型对其进行分割。彩色图像的分割实验表明:相比现有的单空间特征的多尺度MRF算法,结合多空间特征的多尺度MRF可以有效地提高分割精度。

基于高斯马尔可夫随机场混合模型的纹理图像分割

针对以高斯马尔可夫随机场中的邻域像素互作用参数为特征、以高斯混合模型为分类器的二步纹理图像分割方法,提出一个两者相互结合的一步模型———高斯马尔可夫随机场混合模型,并给出其EM算法的迭代计算公式。利用该模型进行纹理图像的分割实验,发现该算法在纹理图像分割的精度上比前者有较大程度的提高。

一种采用高斯隐马尔可夫随机场模型的遥感图像分类算法

该文研究了无监督遥感图像分类问题。文中构造了图像的隐马尔可夫随机场模型(HiddenMarkov Random Fleid,HMRF),并且提出了基于该模型的图像分类算法。该文采用有限高斯混合模型(Finite Gaussian Mixture,FGM)描述图像像素灰度的条件概率分布,使用EM(Expectation-Maximization)算法解决从不完整数据中估计概率模型参数问题。针对遥感图像分布的不均匀特性,该文提出的算法没有采用固定的马尔可夫随机场模型参数,而是在递归分类算法中分级地调整模型参数以适应区域的变化。实验结果表明了该文算法的有效性,分类算法处理精度高于C-Means聚类算法.。

纹理分析窗大小的高斯-马尔可夫随机场模型估计方法

在纹理分析中 ,窗口大小的选择对所提取特征的有效性及计算速度等有很大影响。文中利用高斯 -马尔可夫随机场 (GMRF)模型对纹理进行描述 ,采用最小平方误差估计获得纹理图像的随机场参数 ,并证明了这种估计的一致性。针对估计式在某些情况下可能无解 ,对该式作了改进 ,使其在实际应用中总能有解。利用估计的一致性 ,提出了一种系统估计纹理分析窗口大小的方法 ,实验表明了这种方法的有效性。

基于快速EM算法的马尔可夫随机场模型运动目标自动分割

文章提出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Expectation-Maximization(EM)算法进行了改进,提出了快速EM算法,从不完整数据中估计出概率模型的参数。在此基础上建立马尔可夫随机场模型,构造系统能量函数。然后通过条件迭代模型(ICM)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。

基于时空马尔可夫随机场模型的车辆跟踪算法研究

鲁棒的车辆跟踪是实现交通事件自动检测的重要前提,车辆跟踪中的车辆相互遮挡则是影响车辆跟踪结果的关键因素。针对这一难题,设计自适应的车辆跟踪算法,并依据交通图像序列的时空相关性,根据马尔可夫的基本理论和贝叶斯方法,应用MRF-MAP理论分析框架,并结合了彩色图像序列的纹理信息建立了图像序列的时空马尔可夫随机场模型。采用随机松弛算法中的Metropolis算法来求解时空马尔可夫随机场模型,对车辆跟踪得到的目标标号图进行优化,从而解决车辆跟踪中的遮挡问题。初步实验结果,跟踪不遮挡的车辆时达到的跟踪成功率为95%。遮挡情况时成功率也可达到83%。实验结果表明,该跟踪算法在不遮挡时效果非常理想,在遮挡情况下跟踪鲁棒性也较好。

基于多尺度马尔可夫随机场的图像分割

The noniterative algorithm of multiscale MRF has much lower computing complexity and better result thanits iterative counterpart of noncausal MRF model, since it has causality property between scales, and such causality isconsistent with the character of images. Maximizer of the posterior marginals(MPM)algorithm of multiscale MRFmodel is presented for only one image can be obtained in image segmentation. EM algorithm for parameter estimate isalso given. Experiments demonstrate that comparing with iterative ones, the proposed algorithms have the character-istics of greatly reduced computing time and better segmentation results. This is more notable for large images.

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.

基于通用高斯马尔可夫随机场模型的图像超分辨率重建

提出了一种基于通用高斯马尔可夫随机场(GGMRF)模型的图像超分辨率重建方法,给出了求解过程和实验结果,并进行了分析。相对Compound Markov随机场模型和 Huber-Markov随机场模型,GGMRF模型不用判断边缘或者线过程,因此优化求解简单,大大减少了运算量。实验结果表明在低噪声情况下,该方法重建图像视觉效果较好。

基于小波域马尔可夫随机场模型的压缩传感图像重构

目前在压缩传感重构算法中利用图像的可稀疏性表示先验知识,从比奈奎斯特采样少得多的观测值中恢复原始图像。除了稀疏性之外,邻域系数的相关性也可以作为先验知识加速重构算法收敛。为了克服目前算法中没有利用邻域系数相关性的缺点,提出了基于小波域马尔可夫随机场模型的压缩传感图像重构算法,根据显著性度量对变换系数进行分类得到具有马尔可夫性的初始掩模,利用ICM算法完成掩模优化,实现系数更新,并将算法与未考虑邻域相关性的算法进行了比较。实验结果证明了算法的有效性。

基于马尔可夫随机场模型的运动对象分割算法

提出了一种基于马尔可夫随机场(MRF)模型的运动分割算法,仅使用了压缩流中的运动矢量和块编码模式信息,可以在复杂场景下对运动对象有很好的分割效果。利用运动矢量量化的方法来对运动矢量进行预处理,对运动矢量进行马尔可夫建模,利用能量最小函数进行优化得到运动对象分割的效果。实验表明:与现有的方法相比,该方法可从复杂场景中更准确地对运动对象进行分割。

融合多尺度特征的马尔可夫随机场路面裂缝分割算法

为提高路面裂缝分割算法的准确性和鲁棒性,提出一种融合灰度统计模型和多尺度特征向量的马尔可夫随机场裂缝分割模型.首先,基于裂缝图像直方图,采用高斯分布和瑞利分布构架裂缝图像灰度统计模型,并利用EM算法对模型参数优化求解;然后,采用双向高斯核函数与裂缝图像的卷积构造裂缝的Hessian矩阵,通过计算不同尺度下的裂缝测度响应值提取裂缝图像的多尺度特征向量,以增强裂缝的树状几何结构;最后,将多尺度特征向量融合到马尔可夫随机场裂缝分割模型,基于最小能量准则,使用条件迭代算法求解裂缝最大标号场.在公共数据集CrackTree206和200幅自建的裂缝数据集上,与马尔科夫随机场等3种算法进行对比分析,实验结果表明,所提算法的概率边缘指数指标达91.78%,全局一致性错分指标达9.86%,评价指标优于其他裂缝分割算法,说明了所提算法能够有效地提高裂缝分割精度.

一种新的基于时空马尔可夫随机场的运动目标分割技术

在图像处理领域,视频图像序列中的运动目标分割技术是一个被广泛研究的热点课题。该文提出一种新的基于时空马尔可夫随机场的运动目标分割技术。首先,对视频序列的前后3帧图像进行处理,获得两帧初始标记场;随后,对两帧初始标记场进行“与”操作,获得共同标记场;最后,以原始图像的色彩聚类图像作为先验知识,重新定义Gibbs能量函数,并利用迭代条件模型(ICM)实现最大后验概率(MAP)的估算问题,获得优化标记场。实验结果表明:该模型克服了传统时空马尔可夫随机场模型因运动产生的显露遮挡现缘,同时减弱了运动一致性造成的空洞现象并削弱了噪声的影响。