基于修正的分段模糊吉伯斯随机场模型的图像分割

模糊随机场模型在解决多值模糊分割方面主要存在算法的稳定性和效率问题。针对这些不足,提出一种简单、方便有效的多值模糊分割新算法———修正的分段模糊吉伯斯分割算法。该算法利用修正的模糊C均值来提供良好的初始分类,结合传统的二值模糊算法来完成对复杂多值图像的快速、精确分割。实验表明,该修正算法比传统的随机场模型有更好的图像分割能力,能较好地解决目前多值模糊分割算法所面临的稳定性和效率问题。

广义模糊Gibbs随机场与MR图像分割算法研究

为了对图像进行准确、可靠的分割,提出了一种基于广义模糊集的软分割算法,并将广义模糊集和G ibbs场结合起来,提出了广义模糊G ibbs随机场模型,同时建立了广义模糊G ibbs分割(GFGS)算法。该算法是首先把每一个分割类看作是广义模糊类,并以最大后验概率(MAP)为判别准则来决定每一个像素值的归类以及它属于该类的隶属度;然后用广义隶属度函数中负的部分来刻划数据中的异常值,使得该算法能有效地处理异常值;最后用该模糊类的质心来更新类的中心,并以人脑的仿真图像和临床MR图像进行了实验。实验结果表明,该算法能有效地滤除噪声和处理部分容积效应,是一个分割能力强、稳健性好的算法。

基于广义模糊吉伯斯随机场图像分割新算法

吉伯斯分布作为一种引入图像空间信息的先验模型已广泛运用于贝叶斯图像分割中 .然而 ,由于传统该模型只在确定类上有定义 ,而在模糊类上未曾涉及 ,使得在运用该模型对一些模糊图像或退化图像进行处理时 ,分割效果不理想 ,甚至无能为力 .该文针对这些不足 ,从模型本身出发 ,在传统的吉伯斯随机场模型中引入模糊概念 ,并针对实际多值分割特点 ,提出一种高效、无监督的广义模糊算法 ,从而实现对多值图像的精确分割 .文中首先介绍一种二值的广义模糊吉伯斯随机场模型 ;然后将这种二值模型进行多值扩展 ,提出分段模糊与广义模糊吉伯斯两种实用的多值分割算法 ;最后将其运用于一系列医学图像分割 .实验表明 ,文中提出的广义模糊分割算法比基于传统随机场的算法有更好的图像分割能力 .

改进模糊马尔可夫随机场的SAR图像分割

模糊马尔可夫随机场利用模糊隶属度函数解决了马尔可夫随机场过于依赖灰度值的弊端,然而在模糊马尔可夫随机场的分割中采用的是硬性基团和边缘判断准则,模糊分类使得这些判断条件更加难以满足,从而图像分割中容易产生边缘分割错误的现象。改进模糊马尔可夫随机场是在分段模糊马尔可夫随机场中引入模糊意义的后验概率公式及基团和边缘类型"模糊相似性"概念,通过对不同基团和边缘类型的模糊相似性描述与判断,使得图像分割对于边缘的判断和噪声的抑制具有更好的效果。仿真实验表明改进模糊马尔可夫随机场对于边缘特别模糊的合成孔径雷达图像(SAR)具有较好的分割效果。

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。

基于模糊Gibbs随机场聚类二维直方图的核磁共振图像分割

针对人脑组织结构的不确定性和模糊性,提出模糊Gibbs随机场聚类与二维直方图相结合的分割方法。该方法首先利用均值、方差及邻域属性对隶属度函数进行定义,并建立模糊Gibbs随机场;然后以模糊Gibbs随机场作为先验知识、最大后验概率为判别准则来确定每一个像素的类归属以及它属于该类的隶属度,同时用模糊类的质心来更新类中心;最后将类中心引入二维直方图方法中,找到每个类之间的各个阈值点对图像进行分割。通过实验表明该算法能够准确分割出各种脑组织,对噪声的鲁棒性、结果的准确性及平滑性相对于模糊C均值(FCM)算法都有了很大的提高。

基于模糊Gibbs场和模糊C均值聚类的脑部磁共振图像的分割

提出了一种利用模糊Gibbs场和模糊C均值聚类的新算法,用来分割脑部磁共振(Magnetic resonance,MR)图像。本算法引入了像素的空间约束,提出了势团均匀分布的概念,并使用模糊信息定义了势团的Gibbs能量,并在传统的基于灰度的模糊C均值聚类(Fuzzy C-means,FCM)算法中引入Gibbs能量的补偿项,建立包含像素灰度信息和空间约束的新的目标函数,并得到模糊矩阵和聚类中心的迭代公式,克服了基于灰度信息的模糊C均值聚类算法的缺陷,从而改善了原有的分割模型。对合成图像和脑部MR图像的实验表明了本算法的有效性,可以有效地分割被噪声污染的低信噪比的MR图像。

Markov随机场与Gaussian曲线在MR图像分割中的应用

针对扫描的人脑组织MR图像边缘分辨率低、模糊性大的特点,本文提出了一种基于模糊Markov随机场和Gaussian曲线相结合的MR图像最佳阈值分割方法。该方法通过对图像的像素邻域属性的统计将模糊论引入其中,建立模糊Markov随机场,并利用Gaussian曲线对二维直方图最佳一维投影进行拟合,确定出图像中各脑组织的二维阈值点,在二维直方图上实现对脑组织的分割。通过实验表明,本算法能够有效提高脑组织的分辨率,对噪声的鲁棒性、结果区域的连通性相对于一维Otsu和二维Otsu算法都有了很大的提高。

基于改进型模糊聚类算法的植物病斑检测

针对植物病害图像成分复杂、病斑排列无规则等特点,提出了一种改进型模糊聚类的病斑检测算法。该算法采用Markov随机场与模糊聚类算法耦合策略,能够有效解决植物病斑检测时的模糊性和随机性问题。仿真实验表明,改进后的算法能够实现植物病斑的自适应检测,鲁棒性较好。然而,对于Markov与模糊聚类算法的最佳耦合方式及对于如何减少算法的运算量仍需作深入的研究。

基于可能性FMRF的红外图像分割算法及其参数估计

模糊马尔可夫随机场在多值图像分割问题中多采用分段模糊的方法将多值问题转化成多个两值模糊问题,这种方法的模糊度完全依赖像素的灰度值,从而很容易陷于局部最优解。基于可能性测度的模糊随机场摆脱了隶属度对灰度的依赖,使分割结果更容易收敛于全局最优。同时基团类型"相似性"的提出,改进了随机场基团定义的苛刻性,使得基团类型具有更好的包容性与多样性,可广泛地应用到复杂环境下的多值图像分割问题中。最后给出了该算法的EM参数估计方法和图像分割仿真实验。

双树复小波域马尔科夫的遥感图像分割方法

针对多尺度高分辨率遥感图像像素分割在降噪时丢失大量高频信息及单一像素孤立性问题,提出了一种双树复小波变换(dual-tree complex wavelet transform,DT-CWT)和模糊马尔科夫随机场(fuzzy markov random field,FMRF)模型相结合的无监督遥感图像分割算法。首先通过DT-CWT遥感图像进行多尺度分解,并采用Bayesian阈值法对分解后的高频分量进行去噪,以增强图像的细节和边缘的表达能力并有效保留图像的主要高频信息;然后采用FMRF分割算法分别对重构后各层分量进行分割,以充分考虑像素分割的模糊性和像素邻域间的相关性;最后根据相似度融合规则融合各层分割结果。对比试验结果表明,该方法在有效去除杂点和噪声的同时能够较好地保留图像细节信息,并且边缘分割更加平滑,具有较高的分割精度和很好的鲁棒性。

Fuzzy Views on Black-Litterman Portfolio Selection Model

In this paper, views of investor are described in fuzzy sets, and two fuzzy Black-Litterman models are constructed with fuzzy views and fuzzy random views respectively. In the models, expected returns and uncertainty matrix of views are redefined and the views are formulated by fuzzy approaches suitably. Then the models are tested with data from Chinese financial markets. Empirical results show that the fuzzy random views model performs the best, and both the fuzzy models are better than the traditional ones, demonstrating that the fuzzy approaches can contain more information in the views and measure the uncertainty more correctly.