基于Markov随机场模型的数字X光图像自适应增强算法

为明确X光图像纹理粗细和组织分布状况,强化呈现身体结构信息,降低模糊图像对医生诊断病情结果的错误判断,提出一种基于Markov随机场模型的数字X光图像自适应增强算法.该算法首先统计X光图像全部范围内相同亮度像素,利用直方图均衡化法将原始图像变换成灰度级分布影像,消除光线干扰;然后分析组织属性,通过灰度共生矩阵提取X光图像的纹理特征,获取图像纹理粗细和布局结构的灰度信息;最后通过映射函数和对数函数计算平均亮度,用Markov随机场模型调整图像明暗度,补充纹理细小部位亮度,再用随机场函数划分光滑图像,采取二次重构,以保证图像锐化增强效果平衡.仿真实验结果表明,该算法能提升图像的内部信息清晰度.

视觉感受与Markov随机场相结合的高分辨率遥感影像分割法

鉴于视觉感受对外界强大的感知与识别能力,模拟视觉神经感知的工作机制,并结合Markov随机场模型,提出一种影像分割方法。首先,分析视觉感知系统的工作机制,将其特性归纳为等级层次性、学习能力、特征检测能力和稀疏编码特性,继而利用小波变换、非监督聚类、特征分析和Laplace分布模拟视觉工作机制,然后结合Markov随机场模型实现高分辨率遥感影像的分割。通过不同卫星的真实遥感影像进行了相关试验。试验结果表明本文提出的方法在高分辨率遥感影像分割任务中有非常良好的表现。

基于Markov随机场K-Means图像分割算法

传统的K-Means算法在图像分割中只与特征向量有关,从而忽略了像素间的空间位置关系,因而分割模型是不完整的.本文利用Markov随机场描述图像像素间的邻域关系,引入拒绝度的概念到聚类目标函数中的同时,提出了初始类别及初始中心点的确定方法,提出了较为完备的基于Markov随机场图像分割算法.并通过实验验证该分割方法在效果及效率上的有效性.

基于模糊C均值与Markov随机场的图像分割

针对传统模糊C-均值(FCM)图像分割算法没有考虑图像空间连续性的缺点,提出一种改进的空间约束FCM分割算法。该算法引入了Markov随机场理论中类别标记的伪似然度近似策略,将像素特征域相似性同空间域相邻性有机地结合起来,给出了新的像素样本聚类目标函数。实验证明,该算法能大大提高分割性能并改善分割的视觉效果。

基于改进Markov随机场的高分辨率SAR图像建筑物分割算法

提出了一种基于改进Markov随机场模型的高分辨率SAR(Synthetic Aperture Radar,合成孔径雷达)图像建筑物分割算法.针对高分辨率SAR图像信噪比低和建筑物复杂纹理特性的特点,采用多尺度Markov随机场模型的最大似然准则方法获取图像的初始分割,并在传统Markov邻域能量模型基础之上提出一种新的基于Gabor纹理相似度的邻域势函数模型,采用ICM(Iterative Conditional Model,迭代条件模型)算法进行建筑物分割.多组实际高分辨率SAR图像的实验结果表明,与传统MRF算法等方法相比,本文方法具有更高的分割正确率,同时建筑物边界更为清晰平滑,分割效果较好.

融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割

声纳图像成像质量差、特征信息弱,目标分割存在一定困难,为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况,高频信息反映了该方向纹理特征,依据低频子带的统计峰值选取FCM初始聚类中心,应用小波域FCM聚类算法对声纳图像进行预分割,抑制噪声的影响,提高了预分割的准确性;构建初分割后图像的多尺度MRF模型,尺度间节点标记的相关性采用1阶Markov性表征,尺度内构建2阶邻域系统描述系数间的标记联系,标记场采用双点多级逻辑模型建模,同一标记的系数特征场采用高斯模型建模,弥补了MRF算法中层次信息和轮廓信息描述的不足;应用迭代条件模型算法求其最小能量下的标记场,实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明,该算法分割声纳图像均优于FCM聚类算法和MRF算法,分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。

基于Markov随机场的自适应正则化三维显微图像复原

提出了基于马尔可夫随机场模型的正则化因子自适应调整三维显微图像复原算法,并用模拟序列样本和真实生物样本进行了实验.为了保持复原图像的边缘等细节信息,以Markov随机场模型作为图像的先验概率模型,对代价函数添加边缘约束惩罚项.其中,正则化因子在迭代过程中自适应地进行更新.实验结果表明此算法在对原始图像进行估计的同时,能够有效地保留图像的边缘等细节信息.而EM算法虽然能够有效地去除层间干扰,却丢失了大量的细节信息.

基于改进型蚁群算法和Gauss-Markov随机场的植物病斑自适应分割

针对植物病害图像成分复杂、病斑排列无规则等特点,提出了基于改进型蚁群算法和Gauss-Markov随机场的自适应病斑分割算法。该算法采用自适应信息素更新策略,对信息量进行有差别的动态更新,克服了标准蚁群算法容易陷入局部最优造成的早熟、停滞现象。同时,利用Markov随机场的局部相关特性并结合Gauss分布组成线性平稳自回归模型,针对植物病斑特征建立分割模型。最后,采用改进型蚁群算法对其进行优化,并结合Gauss-Markov随机场最大后验概率估计,实现对植物病斑的自适应分割。仿真试验表明,改进后的算法能够针对植物病斑特性实现自适应分割,鲁棒性较好。然而,对于蚁群算法与Markov的最佳耦合方式及参数初始值的设置仍需作进一步研究。

基于无参数Markov随机场模型的彩色纹理综合方法

提出一种基于多尺度、无参数Markov随机场模型和KL变换的彩色纹理综合方法。该方法能捕捉原始纹理的高阶统计特性，综合出与原始纹理视觉一致的彩色纹理图像。实验结果证明该方法对彩色纹理图像的综合非常有效。

基于Markov随机场的区域跟踪算法

由于视频序列的对象跟踪相当于把图像帧分割成跟踪与非跟踪两个不重叠区域,为此,引入图像分割算法中的Markov随机场模型,提出了一种多目标模糊规划求取Markov标记场的最优估计来实现区域跟踪的算法。此算法为了克服传统离散Markov随机场运算速度慢的缺点,利用双随机矢量,建立连续的Markov标记场,同时提取区域视觉和运动信息的模糊特征,从而改善了算法的鲁棒性和运算复杂度。最终实验结果表明,此方法不仅跟踪效果好,而且还有运算速度快、抗干扰能力强等特点。

计算机视觉中的Markov随机场方法

Markov随机场方法是计算机视觉中一个引人注目的新研究方向。该文论述了基于Markov随机场模型的分析框架和有关文献,评述了用于图像分割和复原的分析方法,探讨了它的发展动向。

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。

基于Markov随机场的SAR图像目标检测方法

提出了一种递增结构能量参数的Markov随机场模型的合成孔径雷达图像目标检测算法,利用模拟退火优化方法,获得最大后验概率准则下的目标检测结果。实验结果表明,该算法不仅能有效减少斑点噪声及背景杂波的影响,而且还可以排除具有较强回波的角反射器的干扰。

一种可变邻域Markov随机场图像分割模型

在图像分割中,传统Markov随机场(MRF)模型基于固定形状邻域,不能完全描述边缘结构等细节信息。为此,提出一种新的MRF线型可变邻域结构,采用部分加权的先验能量模型,对图像上下文信息进行建模,将邻域的选择和图像标记相结合,通过迭代优化得到图像分割。实验结果证明,与传统模型相比,该模型能更完整地保持目标的边缘形状,在细节描述方面具有较好的结果。

基于Gauss-Markov随机场的贝叶斯盲复原

针对图像盲复原中图像细节恢复的同时块效应放大的问题,提出了一种贝叶斯盲复原算法。首先使用贝叶斯框架模式,对原始图像、观察图像、点扩散函数(PSF)及模型参数分别建立先验模型,并将能有效描述图像局部统计特征的带有高斯特性的Markov(Gauss-Markov)随机场模型作为原始图像的先验模型;然后利用贝叶斯公式推导出原始图像及点扩散函数的迭代公式。实验结果表明,与总变分(TV)先验模型的恢复图像相比,所提算法的恢复图像块效应明显减少,并且视觉效果更好;在点扩散函数的大小已知和未知的情况下,相比TV先验模型,所提算法的改善信噪比(ISNR)能提高1 dB左右。

基于非齐次Markov随机场的无监督图像分割新算法

提出了一种基于非齐次Markov随机场(MRF)的图像分割算法,并运用模糊空间元素的模糊相似度模型,估计非齐次MRF的参数,改进了传统的基于齐次MRF的图像分割算法。通过对模拟脑部MR图像和临床脑部MR图像分割实验,表明该算法比传统的基于齐次MRF的图像分割算法和模糊C-均值等图像分割算法具有更精确的图像分割能力,并且运算简单、运算速度快、稳健性好。

基于Markov随机场模型的纹理图像的缺陷检测

在工业自动化研究中,部件的缺陷检测是非常重要的过程。文中提出了一种基于图像纹理分析的表面缺陷检测方法,图像表面纹理特征是利用Markov随机场模型来描述的,通过学习和聚类分析来检测出纹理图像中有缺陷的区域。试验结果表明,该方法可以有效地描述不同种物质表面的纹理特征,并能准确地检测和定位缺陷。

基于图割优化的Markov随机场图像分割方法综述

Markov随机场能有效地刻画图像像素间的关系,具有完善的理论基础,因而在图像分割等领域得到研究者的关注。图割作为一种基于图论的组合优化方法,已经较好地用在基于MRF的图像分割等计算机视觉方面。简要介绍了Markov随机场模型和图割优化方法,给出了基于图割优化的Markov随机场图像分割框架,分析了Markov随机场方法和图割优化在图像分割中的研究现状,并指出其将来的发展方向。

基于小波与高斯Markov随机场组合的轮廓纹理分割

为综合多尺度纹理模型和高斯型 Markov随机场纹理模型各自的优点 ,本文提出了组合这两种模型的方法 .Mallat的经验法、高斯型 Markov随机场纹理模型和组合方法的对比实验表明 ,当纹理结构包含微结构时 ,组合方法分割纹理轮廓的性能最好 .

基于Markov随机场的木材表面缺陷图像分割方法

针对木材表面缺陷的彩色图像,建立Markov随机场分割模型,采用EM法估计了模型参数,采用模拟退火算法(SA)和条件迭代算法(ICM)求解分割结果。试验表明,Markov随机场能对木材表面缺陷图像进行有效分割,但对死结图像存在欠分割现象。SA分割效果要优于ICM,但SA算法计算过程复杂,用时较长。