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。

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。

模糊马尔可夫随机场理论在阴影检测中的应用

阴影的检测是目标检测、目标跟踪、视频监控等领域的一个关键问题。提出了一种基于模糊马尔可夫随机场的阴影检测算法。该算法把阴影检测问题看做是一个求最优化的像素点分类问题。对于输入的视频,提取背景图像,找出阴影和前景目标物体区域。通过计算阴影概率分布,前景概率分布,隶属度函数,建立模糊马尔可夫随机场。应用贝叶斯准则,最大后验(MAP)估计和条件迭代模式(ICM)算法,寻找最优化的模糊马尔可夫随机场,并利用最大隶属度原则消除模糊性,得到阴影检测的结果。实验证明,文中算法具有较好的阴影检测率和目标检测率。

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.

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。

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。

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。

基于隐马尔可夫随机场的细胞分割方法

为了提高细胞聚合、粘连区域的分割准确性,本文提出一种基于空间聚类和隐马尔可夫随机场的两级分割算法。以像素点颜色特征为依据,在Lab色彩空间中采用k-means++聚类方法得到初始化标签集;通过HMRF构建细胞图像的空间表达模型,充分利用空间约束关系,减少孤立点影响,平滑分割区域;采用期望最大值算法优化模型参数,利用标记场和观测场的相互作用,通过迭代算法不断调整标签集合,迭代直至收敛得到全局最优值。对来自于骨髓涂片的61幅细胞图像中的780个6类细胞的实验表明,本文算法提高了分割的准确率(不小于95%),便于进一步提取细胞病理特征,实现检测识别。

基于均值场理论和马尔可夫场的运动目标分割算法

研究了基于均值场理论和马尔可夫场的运动目标分割方法.该算法先对帧差图像进行简单的前背景划分,再采用均值场理论(MFT),建立马尔可夫随机场(MRF)模型,构造系统相应的能量函数.然后通过求取最大后验估计(MRF-MAP),即求最小能量函数,得出标记场,提取运动目标.实验结果证明:该算法能够很好地消除噪声,对运动目标分割具有较好的分割效果.

一种分层马尔可夫图像模型及其推导算法

离散分层马尔可夫随机场(MRF)模型由于层间具有了因果性,因而其非迭代的推导算法比非因果的马尔可夫随机场模型的迭代算法复杂度低得多,结果更精确.针对图像分割问题中观测数据有限的情况,提出了一种新的基于离散分层MRF的半树模型,推导出了它的最大后验边缘概率(MPM)算法.半树模型不仅继承了一般分层模型快速、误分类少的优点,还避免了计算中遇到的数值下溢问题,减轻了分层模型带来的块现象,尤其适合大幅面图像的处理.

基于区域确定的分层马尔可夫模型及其MPM算法

基于四叉树的分层马尔可夫随机场(Markov random field,MRF)模型在层间存在因果性,不需要像非因果马尔可夫随机场模型那样的迭代算法,但是传统的分层MRF模型常常导致分割结果具有块状现象和非连续边缘．本文提出一种新的基于区域确定的半树分层MRF算法,并推导出它的最大后验边缘概率(Maximizer of the posteriori marginal,MPM)算法．在流域算法过分割结果的基础上,该模型将层间的点概率转换为区域概率,采用区域概率实现各层图像分割．从SAR图像的监督分割实验结果来看,本文提出的模型较好地克服了基于像素分层模型和单分辨率MRF模型带米的块现象和非连续边界,因而具有更好的分割结果．

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.

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。

基于MAP-MRF的旋转3维超声心动图断层重建及降噪

提出了一种基于最大后验概率准则(MAP)-马尔可夫随机场(MRF)的3维超声图像重建算法,在3维重建的过程中可以有效地去除超声图像特有的斑点噪声。首先提出了3维重建的数学模型,它假设所要估计的空间灰度值属于某个函数向量空间,这个向量空间的基函数因支持区域的不同而不同,将Rayle igh分布和G ibbs分布作为先验知识,通过后验概率最大化(MAP)来估计基函数前的系数,在重建算法中,通过将邻点联系强度α设定为随梯度的变化而变化,从而达到了保边界的各向异性滤波特性。采用ICM算法求解这个系数向量。为了提高该算法的效率,又进一步提出了其改进算法,最后的实验结果显示,这种基于MAP-MRF的重建算法可以有效地去除超声图像中的斑点噪声。

FGMM-MRF层次模型在图像分割中的应用

为了更好地反映图像的区域结构,在高层次标记图像中,区域内部用各向同性的MRF建模,区域的边界用各向异性的MRF来建模;在低层次灰度图像中,用FGMM来描述待分割图像的概率分布.采用Bayes方法,根据标记图像的后验分布所对应的FGMMMRF模型的条件概率,用ICM局部优化算法获得MAP准则下的分割图像.用模拟图像和MR图像进行实验,区域的边界和整体属性具有较好的视觉效果.

基于HMRF先验模型的超分辨率重建

针对基于最大后验概率(MAP)的超分辨率重建算法在重建图像过程中存在的问题,提出一种基于Huber-马尔可夫随机场(HMRF)先验模型的超分辨率重建方法,采用HMRF作为图像先验模型,对图像进行分段超分辨率重建。仿真实验结果表明,与传统的MAP算法相比,该方法能更好地保存重建图像的边缘细节,有效提高重建图像的质量。

基于阴影流和3D MAP-MRF的运动阴影消除

阴影消除是运动检测中的一个重要问题。本文提出一种用阴影流和三维马尔可夫随机场后验概率最大化方法运动阴影消除算法。首先对每个像素建立混合高斯模型,通过阴影弱分类器,将可疑的阴影像素分离出来送到阴影流模型中。在线学习候选阴影像素,得到置信度高的阴影流模型。然后用混合高斯模型,阴影流和当前图像一起构建一个三维的马尔可夫随机场模型,将运动目标检测转化为标号组后验概率最大化/能量函数最小化。最后,构建一个与三维MRF对应的三维网络流图,通过动态图切算法,求出图的最小切,即求得MRF标号组的最大后验概率,从而给每个像素分配"前景"或"非前景"标号,达到消除阴影分割运动物体的目的。实验表明本方法在实际视频中取得了较好的效果。

基于模拟回火退火的DT-MR图像平滑和估计

在采用高斯-马尔可夫随机场(GMRF)对扩散张量磁共振成像(DT-MRI)的原始图像进行平滑和估计时,要根据Bayes准则对图像灰度进行最大后验(MAP)估计.为了避免陷入局部最小的“陷阱”和减小计算量,MAP估计采用了模拟回火退火方法(STA).通过对未加权图像和不同梯度脉冲下的加权图像(共7幅)同时进行平滑和估计.结果表明,基于STA对图像进行平滑和估计能够大大减少噪声影响,从而在图像信噪比很低的情况下仍能保证张量场完全正定.把本方法的实验结果与传统模拟退火(SA)方法的结果进行比较,表明基于STA的方法能够更加有效地消除噪声影响,减小计算量.