融合上下文信息的多尺度贝叶斯图像分割

提出了一种融合上下文信息的多尺度贝叶斯图像分割算法,基于多尺度MRF图像模型,将模型中各结点的邻域结点类别信息抽象为上下文,求得结点的后验边缘概率之后,在各尺度融合表征了同一尺度内及相邻尺度的邻域信息的上下文,结点在相邻结点信息的指导下,得到的分割结果在均匀区域内部及区域边界都大为改善,而且没有增加模型的复杂度,算法仍然是快速的、非迭代的.融合过程中的参数采用 EM算法估计.分析和实验结果表明算法是有效的.

基于多尺度贝叶斯网络的SAR图像分割

提出了一种多尺度贝叶斯网络模型和相应推断算法,并将其应用于合成孔径雷达(synthetic aperture radar,SAR)图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型;然后设计了模型估计的置信传播(belief propagation,BP)算法,该算法包括同尺度结点之间的信息传播、细尺度到粗尺度的信息传播和粗尺度到细尺度的信息传播;最后计算出细尺度隐含结点的最大后验概率(maximum a posteriori probability,MAP),实现SAR图像的分割。实验结果表明,与单尺度贝叶斯网络模型方法和基于条件迭代模式的Markov随机场模型方法相比,基于多尺度贝叶斯网络的SAR图像分割方法具有较好的分割效果。

我国现行车险BMS最优保费尺度与免赔额实证研究

文章根据我国07款车险奖惩系统BMS计算出相应奖惩规则下的四种最优保费尺度;并根据无差异原理对07款惩罚区域加入适当免赔额,使得在保持07款现行费率不变的条件下新体系的惩罚尺度性能与最优保费尺度的惩罚系数性能相一致。

基于两尺度Bayesian网络的SAR图像分类

本文介绍了两尺度贝叶斯网络的模型构成、邻域构成,以及基于两尺度贝叶斯网络模型的图像分类理论,并且验证了该方法在SAR图像的分类中应用。实验证明两尺度贝叶斯网络的分类结果要优于单尺度贝叶斯网络和MRF—ICM的分类结果。

去除图像中高斯-脉冲噪声的有效方法

数字图像在获取和传输过程中常常会受到噪声的污染,有时会同时受到高斯噪声和脉冲噪声的污染。然而现有的去噪算法大多针对单一的高斯噪声或脉冲噪声,在处理混合噪声时无法取得令人满意的去噪效果。给出了一种去除数字图像中高斯-脉冲混合噪声的有效方法,去噪过程分为两个步骤:首先采用一种称为边界判定噪声检测的脉冲噪声检测方法检测出混合噪声中的脉冲噪声,对噪声图像作中值滤波后得到一幅受高斯噪声污染的过渡图像。然后用贝叶斯最小平方-高斯尺度混合模型对过渡图像进行滤波得到降噪后的图像。实验表明,同现有的其他去噪方法相比,该方法能够更有效地去除混合噪声。

我国汽车保险奖惩系统变免赔额的实证研究

本文计算了我国07年汽车商业险奖惩系统在最优贝叶斯尺度意义下的费率,结果显示目前的费率体系对高风险的投保人惩罚不足,而对低风险的投保人奖励不足。由于在系统中加入单次免赔额可以有效地提高系统性能,本文就此进行了实证分析。