基于Gibbs分布的盲图像修复

针对盲图像去卷积问题,首先建立了一个基于G ibbs分布加权算法模型,然后讨论了关于能量泛函极小解的存在性,最后导出了相应的热流。在计算机模拟中,除了某些限制条件外,即使对于点扩散函数和原始的真实图像没有更多精确的信息,此算法也运行得很好。为了进一步观察此算法的实效性,与全变差盲去卷积模型的实验结果进行了比较。

一种基于区域Gibbs势能函数的视频运动对象分割算法

提出了一种基于时空联合分析框架的视频对象分割算法,通过改进的分水岭变换对视频图像进行帧内空间区域划分,并根据帧间运动信息和区域的空间特性得到初步的分割掩模;然后建立基于区域的马尔可夫随机场分布模型,并定义对应的Gibbs势能函数,通过迭代条件模式(ICM)方法求解得到最小化能量,从而获得稳定的分割标记场,准确地提取视频对象。实验结果表明,提出的分割算法性能优于欧洲COST211研究组所得到的分割结果。

结合Gibbs随机场的加权模糊C均值图像分割算法

加权模糊C均值(WFCM)算法是在模糊C均值(fuzzyC-Means,FCM)算法的基础上提出的,它为不同的样本添加了不同的权值,从而改善了聚类效果。然而传统的加权模糊C均值算法具有对噪声非常敏感的缺陷,于是本文提出了一种结合Gibbs随机场的改进的WFCM算法(G-WFCM)。根据Gibbs随机场概率分布构造了一个Gibbs空间约束场,通过用Gibbs空间约束场为WFCM施加空间约束的方法来减小噪声对分割结果的影响。文中给出的人脑MRI图像分割实验证明,本文提出的G-WFCM算法具有比原WFCM算法更强的抗椒盐噪声能力。

一种基于灰度分布马尔可夫模型的图像分割

传统的马尔可夫随机场(MRF)图像分割在优化求解的过程中存在运算量较大,运算时间过长,算法不收敛等问题。针对这些问题,提出一种改进算法。首先根据图像灰度分布建立标号场的更新概率模型,然后再根据此模型进行标号场的更新,从而有效地加快迭代收敛速度。实验结果证明了本算法的有效性。

基于模糊马尔可夫随机场的无监督遥感图像分割算法

遥感图像分割是对遥感图像进行处理的最为关键的一步。马尔科夫随机场模型作为先验模型,在图像分割领域已经得到了广泛的应用,实践证明该模型有助于提高图像分割的效果。但是由于环境和传感器的影响,遥感图像具有灰度变化大、纹理复杂及边界模糊等特点,经典的马尔科夫随机场模型在遥感图像分割中的分割效果通常并不理想。本文针对遥感图像分割中某些像素分类的不确定性,建立了模糊马尔可夫随机场模型(FMRF)。该模型结合分割问题中的随机性与模糊性,更合理地获取了图像的先验知识,较好地符合了遥感图像的特点,因而使得图像分割过程中使用先验知识更为准确。同时算法针对遥感图像的特点,结合了图像的灰度特征和纹理特征,从而使其能更准确地区分图像中的不同类。为使两种特征能够很好地结合,本文采用了贝叶斯分割方法,使用权值对图像特征进行权衡。同时本文采用最大期望算法(EM)对不完整的数据进行估计,应用模拟退火算法(SA)获得全局最优解,从而实现了无监督分割。实验证明,对于SAR图像,该方法较经典的马尔可夫随机场(MRF)算法和模糊C-均值(FCM)算法更好地处理了边缘的混叠,明显减少了斑点噪声,使分割结果更加准确。

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 。

改进的聚合物溶液理论

在高分子溶液理论中引入Gibbs分布 ,用统计物理学方法重新推导出了聚合物溶液的热力学公式 .将高分子溶液的自由能和熵分三部分进行了计算 ,无热平动部分 ,无热构象部分和构象有热部分 .无热平动自由能和无热构象自由能分别等于Flory Huggins混合自由能公式的前两项 ,构象有热部分引入了Gibbs分布 ,考虑了链段 溶剂分子相互作用对高分子构象的影响 .在分子间的相互作用足够小时 。

Markov随机场方法在灰度图象恢复中的应用

本文在叙述了Markov随机场（MRF）及Gibbs随机场的基本概念之后，综述了这种随机模型在灰度图象的恢复中的应用，其中包括模型的选择，及使用最大后验（MSAP）估计方法进行图象恢复。最后对给出的实例进行了计算，对使用不同的MRF模型及计算方法的恢复结果进行了对比。

三维随机图象模型及其空间关系

为了用随机的方法对三维图象进行处理 ,在二维 Markov场图象模型的基础上 ,建立了三维 Markov场图象模型。把定义在平面域上随机场的邻域系、集簇和势函数等概念推广到三维空间域 ,给出了三维邻域系、集簇的空间分布规律和势函数的具体表达式 ,解释了其空间关系和概率分布 ,从理论上解决了三维建模的问题 ,并为三维图象的计算机处理 ,提供了一种可以实际进行操作的随机方法。

三维纹理模型及图象模拟

从二维纹理图象随机场模型出发 ,提出了三维纹理图象模型 ,用随机的方法来处理三维纹理图象。将定义在平面域上随机场的邻域系、集簇和势函数等概念推广到三维空间域 ,提出了三维纹理图象模拟松驰算法 ,简述了三维纹理模型的参数估计问题 ,并在计算机上生成了二值三维纹理图象。从理论上解决了三维纹理的建模问题 。

高分子的溶度参数理论

采用统计物理学方法,在Flory-Huggins高分子溶液理论中引入Gibbs分布,从而合理描述了高分子内聚能的温度依赖性.将此理论应用于求解高分子的溶度参数.采用此方法得到的溶度参数比以往的理论更加接近实验结果.这表明所推导的聚合物溶液热力学理论是合理的,可以更精确地求解高分子的溶度参数.

基于进化规划的Markov随机场参数的估计

在应用 Markov 随机场作为先验模型对图像进行贝叶斯估计时.配分函数的难以计算使得对 Markov 随机场参数的估计存在着很大困难.为此,本文提出一种新的基于进化规划的参数估计法。该方法采用进化规划来寻求合适的参数.使得由该参数得到的生成图像和原始图像间的差异最小.该方法不仅可避免配分函数计算上的困准.而且从该参数出发还可得到最相似于(可完全吻合)原始图像的生成图像.在这一点上.该方法要明显优于以往传统的甚于似然函数的参数估计法.如极大伪似然法.最终的实验结果也证实了该方法的可行性.